最近，研究人员提出了一种名为CLIP-DINOiser的新方法，它将CLIP模型的零样本能力与自监督特征相结合，从而实现了更好的语义分割，无需标注。CLIP-DINOiser方法使用了自监督任务DINO来学习图像特征，并将其与CLIP模型...

Llava是一个强大的多模型模型。该交互式设计现在允许聊天式交错文本、图像输入和图像输出。Llava是一个深度学习模型，能够对文本和图像数据进行联合建模，并产生准确的输出。与其他模型不同的是，Llava模型不仅考虑...

近日，一项关于单张图像快速重建3D模型的新技术取得了突破。该技术基于高斯飞溅技术，通过学习性技术将图像中的每个像素映射到一个3D高斯函数中，从而实现单张图像的3D重建。这一技术的创新点在于引入了“飞溅图像”，...

本文探讨了模型拥有热神经元和很少使用的冷神经元的想法。通过将热神经元预加载到GPU上，您可以节省内存而不会牺牲太多吞吐量。同时，该文提供了一个可用的代码库。

研究人员开发了一种“序列感知”损失函数，以改进去噪概率模型(DPM)，解决了图像生成中时间步长相关性的问题。这种新方法不仅提供了更紧凑的损失估计，而且在诸如CIFAR10和CelebA等数据集上显示出显著的图像质量改进，...

苹果公司发布了两篇论文，介绍了新的三维头像和高效语言模型推理技术，这些技术可以让AI系统在iPhone和iPad上运行。这些技术的引入将使iPhone和iPad变得更加智能，更加个性化。这意味着用户可以在他们的设备上运行更...

Midjourney V6已经发布alpha版。这个更新大大提高了图像质量，并使模型能够在图像中生成可读的文字。它还配备了全新的提示方式，更加敏感，更能理解用户。如果用户习惯于Midjourney V5提示，他们可能需要重新学习提...

苹果研究人员使用创新的闪存利用技术，在苹果设备上部署大型语言模型取得了关键突破。该方法采用窗口化和行列捆绑技术，以最小化数据传输并最大化闪存吞吐量。它可以使AI模型在标准处理器上运行速度提高高达5倍，在...