最新研究发现，当前广泛应用的CLIP（Contrastive Language-Image Pretraining）多模态模型存在严重的安全隐患。根据arXiv最新论文披露，攻击者通过数据投毒（poisoning）方式植入后门，仅需污染0.5%的训练数据即可实...

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...

SigLIP2作为SigLIP的升级版本，在多个方面实现了显著改进。SigLIP原本是一款广受欢迎的联合图像与文本编码模型，而SigLIP2在零样本分类性能上取得了重大突破，这一性能曾是CLIP模型的标志性成果。此次升级不仅提升了...

近日，一款基于X11的全新工具引起了广泛关注，该工具允许用户在任意视频会议中共享特定的屏幕区域。这一创新的解决方案旨在提高远程协作的效率，用户只需简单的操作即可选择需要共享的屏幕部分，而不是整个桌面。这...

近日，研究人员提出了一种新的方法——标签驱动的自动提示调整(LAPT)，用于视觉语言模型如CLIP的异常值检测。这种新方法可以自动识别出数据集中的异常值，提高模型在处理各种情况时的灵活性和准确性。通过LAPT，可以更...

玩具反斗城（Toys “R” Us）与广告代理Native Foreign合作，利用OpenAI的文本到视频工具Sora，创作了一部品牌影片。这部影片通过AI生成的视频片段，讲述了公司创始人的故事。Sora自2月份推出以来，尚未对公众开放。该...

近日，一款名为Duoduo CLIP的3D表征学习模型引起了业界的广泛关注。与传统的3D表征学习模型不同，Duoduo CLIP采用多视图图像，而非点云数据作为输入。这种独特的设计，使得Duoduo CLIP在3D表征学习的效果上，可能会...

该研究探讨了如何利用CLIP（Contrastive Language-Image Pre-training）方法进行胸部X光片的异常检测。CLIP是一种新兴的多模态学习方法，它通过对图像和文本的联合训练，实现了在多个任务中的优异表现。在本研究中，...