近日，GitHub仓库上线了一款全新的模型，可同时进行图像分割、识别和标注，超越了之前的能力。这个新模型的优势在于可以标记任何事物，不再局限于传统的图像和文本。目前，该模型已经在多个领域得到了广泛的应用，包...

M3DBench是一个全新的广泛数据集，旨在改变AI的3D理解，填补多模态语言模型研究中的差距。它包括超过320,000个不同的指令响应对，集成了文本、图像和3D对象，为AI执行更广泛的现实3D任务铺平了道路。

近日，一项名为LLMLingua的新项目在GitHub上开源。该项目使用对齐后的小型语言模型检测提示中的无关标记，并实现对黑盒LLM的压缩推理，从而实现了高达20倍的压缩比，且性能损失最小。简言之，LLMLingua能够帮助开发...

Distil-Whisper 是 Whisper 的精简版本，比 Whisper 更快、更小，且在评估集上的误差不到1%。该技术是由 Google Brain 团队在 GitHub 上发布的。Distil-Whisper 采用了一些精简技术，包括低秩分解和知识蒸馏，以实现...

本研究提出了一种深度学习方法，利用四个预训练的卷积神经网络模型来识别视频中的深度伪造人脸，可实现高精度检测。深度伪造技术已成为一种严重的威胁，对政治、社会和经济稳定造成了巨大的影响。该研究提出的方法可...

Google的VideoPoet是一种开创性的语言模型，它在处理文本到视频，视频风格化甚至视频到音频转换等多种任务方面具有独特的能力。这种方法通过将多种视频生成技术融合到一个模型中而脱颖而出。VideoPoet的革命性技术为...

我们推出了一种多模式视觉提示跟踪模型，通过动态利用各种模态（如RGB和红外线）的优势，克服了单模式物体跟踪的局限性。该模型可适应各种环境下的跟踪任务，具有较高的跟踪精度和鲁棒性。

一家名为whiterabbitneo的新公司，这个名字是对电影矩阵的一个引用，已经发布了一个包含13B参数的语言模型，旨在为攻击和防御网络安全提供帮助。它经过训练，可以回答关于计算机安全的问题并提供相关信息。