複数の画像やテキストの解釈 Editors Pick - Section 129

中国の最新のAI研究により、「OMMO」と呼ばれる大規模な屋外マルチモーダルデータセットと新しい視点合成および暗黙的なシーン再構築のためのベンチマークが紹介されました

最近の暗黙的な脳表現の進歩により、写真のような新しい視点の合成と高品質な表面再構築が可能になりました。残念ながら、現...

Salesforce AIは、既存の拡散モデルを与えられた場合に、テキストから画像への拡散生成を行う新しい編集アルゴリズム「EDICT」を開発しました

最近のテクノロジーと人工知能の分野における進歩により、多くのイノベーションが生まれています。超トレンディなChatGPTモデ...

「UCLAの研究者が提案するPhyCV：物理に触発されたコンピュータビジョンのPythonライブラリ」

人工知能はコンピュータビジョンの分野で注目すべき進歩を遂げています。その中でも、ディープラーニングという分野では、大...

「Baichuan-13Bに会いましょう：中国のオープンソースの大規模言語モデル、OpenAIに対抗する」

中国の検索エンジンSogouの創設者、王小川氏は、彼の企業である百川インテリジェンスを通じて、新しい巨大な言語モデル「Baic...

「CMUの研究者がBUTD-DETRを導入：言語発話に直接依存し、発話で言及されるすべてのオブジェクトを検出する人工知能（AI）モデル」

画像内のすべての「オブジェクト」を見つけることは、コンピュータビジョンの基礎です。カテゴリの語彙を作成し、この語彙の...

「バイトダンスAI研究は、連続および離散パラメータのミックスを使用して、高品質のスタイル化された3Dアバターを作成するための革新的な自己教師あり学習フレームワークを提案しています」

デジタルワールドへの重要な入り口は、社交、ショッピング、ゲームなどの活動において現代の生活でより一般的になっており、...

「トップの音声からテキストへのAIツール（2023年）」

インテリジェントな音声認識ソフトウェアは、AIとMLによって可能にされた最も価値のある機能の一つであり、自動的にオーディ...

スタビリティAIチームが、新しいオープンアクセスの大規模言語モデル（LLM）であるFreeWilly1とFreeWilly2を紹介します

FreeWilly1とその後継であるFreeWilly2は、Stability AIのCarperAIチームによって開発された強力な新しいオープンソースの大...

メタAIは、IMAGEBINDを紹介します：明示的な監督の必要性なく、一度に6つのモダリティからデータを結合できる最初のオープンソースAIプロジェクトです

人間はわずかなインスタンスにさらされた後で複雑なアイデアを理解することができます。ほとんどの場合、書かれた説明に基づ...

「ラマ-2、GPT-4、またはクロード-2；どの人工知能言語モデルが最も優れているのか？」

大規模言語モデル（LLMs）は、自然言語処理と自然言語理解の分野で世界的な評価を受け、非常に人気があります。これにより、...

Find your business way

Globalization of Business, We can all achieve our own Success.

Advertising with us