Gemini作为谷歌推出的多模态AI模型，其视觉能力一直备受业界关注。最新研究发现，Gemini在图像分割这一计算机视觉核心任务上展现出惊人的易用性。图像分割技术可将数字图像分解为多个具有语义意义的区域，是自动驾驶...

谷歌研究院与加州大学团队在arXiv最新发表的论文提出3D CoCa框架，这一突破性技术通过整合视觉语言对比学习（Contrastive Learning）与场景描述（Captioning）两大前沿方向，实现了对三维场景的多模态联合理解。该框...

谷歌近日基于其Gemma模型系列推出了专为医疗科学领域优化的TxGemma开源模型。该模型在治疗方案的发现方面展现出卓越性能，不仅超越了大多数专用模型，还在所有开源通用模型中表现最佳。TxGemma的发布标志着人工智能...

谷歌近日宣布，其人工智能系统Gemini现已集成至Google Classroom平台，为教育工作者提供基于文本的智能问题与测验生成功能。这一创新性应用通过自然语言处理技术，能够自动分析教师选定的教学内容，并生成具有教学针...

谷歌云在Next 25大会上宣布Vertex AI迎来重大更新，其视频、图像、语音及音乐生成模型获得增强功能，显著提升企业创意工作流的智能化水平。谷歌AI推出面向企业的专用AI代理解决方案，通过优化任务自动化流程实现生产...

谷歌宣布其新一代多模态大模型Gemini 2.5 Pro正式进入公测阶段，开发者现可通过Google AI Studio的Gemini API进行体验，而企业级平台Vertex AI的支持也即将上线。作为Gemini系列的最强版本，2.5 Pro在跨模态理解、长...

谷歌实验室近日宣布，其人工智能研究工具NotebookLM推出重大更新——新增Discover功能模块。该功能通过AI技术实现基于用户自定义主题的智能化网络资源抓取与筛选，显著提升了学术研究和信息收集的效率。Discover功能采...

GitHub热门项目Awesome Vision-to-Music Generation系统性地整理了视觉到音乐（V2M）生成领域的前沿进展，涵盖学术研究突破与工业级应用方案。该项目持续更新的资源库整合了三大核心要素：1）基于深度学习的跨模态生...