由于室外数据的复杂性和空白性，真实世界的室外环境一直是3D场景生成中被忽视的挑战。SemCity通过专注于真实世界的室外环境，彻底颠覆了3D场景生成，实现了真实的室外场景生成。SemCity通过3D扩散模型，将真实世界的...

这项研究介绍了一种创新的视频生成方法，使用状态空间模型（SSMs）克服了传统的基于注意力扩散模型的内存限制，重点关注线性内存消耗。在UCF101和MineRL Navigate数据集的测试中，SSMs能够创建具有竞争力质量的更长...

MoAI是一种新型的大型语言和视觉模型，它通过整合专门的计算机视觉任务的辅助视觉信息来增强当前模型。该模型在 GitHub 上发布，旨在改善自然语言处理和计算机视觉任务之间的互动。MoAI使用了一种新的训练方法，可以...

据报道，自动驾驶软件领导者Applied Intuition完成了2.5亿美元的D轮融资，其估值达到了60亿美元，比之前的估值增长了67%。该公司的生成式人工智能技术用于开发汽车、卡车和其他行业的软件，导致了三位数的盈利增长和...

谷歌DeepMind的SIMA是一个通用的AI代理，可在各种电子游戏环境中遵循自然语言指令。它标志着将AI系统变得更加多才多艺、可指导的转变。此前，AI系统只能在特定的环境中工作，现在SIMA可以在多种环境下工作，这是一项...

Perplexity将Yelp的数据整合到其聊天机器人中，以提供用户直接丰富的本地搜索结果，包括地图、评论和餐厅详细信息，从而增强聊天机器人的回答能力。Perplexity是一家专注于自然语言处理和人工智能技术的创业公司，其...

微软在第14届Ability Summit上宣布了一系列面向无障碍性的更新，包括面向残障开发人员的新Azure AI功能，面向语言障碍者的“Speak For Me”功能的预览版，Copilot的新技能和心理健康工具包。

谷歌正在为Gemini Web应用程序推出一项新功能，允许用户使用重新生成、更短、更长和删除等选项微调AI生成的响应，目的是提供对创意内容更大的控制。