在3D场景中检测和命名新物体一直是一个艰巨的挑战。然而，最近一个名为CoDA的项目提出了一种新的解决方法。该方法通过智能猜测新物体可能出现的位置，然后将这些物体的特征与图片和文本进行匹配，所有这些操作都在一...

近年来，Microsoft的UniLM团队在自然语言处理领域取得了一些显著的成果。他们最近推出的Kosmos模型套件已经进军图像领域。这次的特定实例是用于从图像读取文本密集的文件，并为该文件生成文本或标记。这与最近Meta为...

最新的研究成果Transformer-VQ，是一种全新设计的Transformer，由于其独特的基于向量的键和缓存功能，使得处理注意力的速度得到了显著的提升。这种新型的Transformer设计，不仅提高了处理速度，同时也保持了数据的准...

大型语言模型在许多设备上的运行效率受限于其庞大的计算需求。然而，一个名为QA-LoRA的新方法已经成功改变了这一局面。QA-LoRA通过巧妙地改变模型的构建和微调方式，使得大型语言模型能够在维持强大功能的同时，有效...

DFormer是一种独特的方法，可以同时研究图像的颜色和深度。与旧有的方法不同，DFormer专为RGB-D图像设计。RGB-D图像是一种同时包含颜色信息（R，G，B）和深度信息（D）的图像。DFormer的设计目标是提供一种更有效的...

Matting是一种创建黑白掩膜以分割出图像重要部分的过程。它通常用于前景和背景的分割。智能手机的人像模式使用了一种与这里描述的ViTMatte相似的方法。这种技术发展现代化，为未来的图像处理技术开创了新的可能。此...

从单一的2D图像中确定3D深度是一项棘手的任务，因为许多3D场景在2D中看起来可能相同。这种方法将相机的细节与图片的内容进行了分离，使得在各种情况下更容易猜测深度。这种深度估计的灵活性可以在各种复杂环境下，如...

像GPT-3这样的大型语言模型之所以聪明，是因为它们从大量数据中学习。那么，当新的信息与它们已经知道的信息冲突时，它们会如何反应呢？研究人员发现，这些模型可能会感到困惑，并给出错误的答案，尤其是当它们面临...

Writer正在研发一款“全栈”生成型AI平台，专为企业服务。近日，该公司成功获得ICONIQ Growth领导的1亿美元B轮融资，该资金将用于推进其“行业特定”的文本生成AI模型的研发。在竞争激烈的市场中，Writer以非版权商业写...

科研人员已经开发出一种新的模型，名为HAMUR，以改进模型在多个主题或领域（如音乐、书籍或电影）中的推荐方式。与旧的方法混淆这些领域之间的信息不同，HAMUR采用了一种特殊的技术，使数据保持独立且更具灵活性。这...