标签：tag5

速览多模态模型 Transfusion 和 Show-o：用 Transformer + 扩散模型同时处理文本和图像

极市导读：本文介绍了两个大型多模态模型：Transfusion和Show-o，它们结合了Transformer和扩散模型来处理文本和图像。Transfusion在图像生成上表现更佳，而Sh...

3周前

极市导读：本文提出了一种二维监督方法，从野外的二维图像中学习三维人体-物体空间关系的先验知识。摘要：本文介绍了一种从大规模二维图片中学习三维环境中人...

3周前

Anthropic公司最近推出了Claude聊天机器人的企业版——Claude Enterprise，这一版本在原有基础上增加了一些显著优势。其中最引人注目的特点是原生集成GitHub和...

4周前

Llama模型自诞生一年半以来，已经成为开源界的领军者，全球下载量接近3.5亿，是去年同期的10倍。这一成就得益于其在Hugging Face平台的广泛传播。Groq公司创...

1个月前

极市导读：PGTFormer是首个专门为视频人脸恢复设计的方法，采用端到端的设计，摒弃了传统方法中的复杂对齐步骤，实现了更加高效和连贯的视频人脸恢复。方法介...

1个月前

摘要：谷歌在I/O 2024大会上发布了多项更新，包括Gemini 1.5 Pro、Project Astra和文生视频模型Veo等。Gemini 1.5 Pro的上下文长度达到200万token，远超其他...

5个月前

摘要：本文主要探讨了在GPU成本上升和供应短缺的背景下，如何提升GPU性能的方法。文章首先提到，可以通过将所有任务提交给GPU的异步工作队列（stream）来提升...

5个月前

摘要：OpenAI的联合创始人兼首席科学家Ilya Sutskever宣布辞职，由Jakub Pachocki接替其职位。Ilya表示将开发新项目，可能与生成式AI相关，而Sam Altman发表...

5个月前

摘要：本文主要探讨了在GPU成本上升和供应短缺的背景下，如何更有效地使用GPU以提升其性能。文章提出了三个关键点：让GPU保持忙碌、充分利用GPU中的所有资源...

5个月前

摘要：本文介绍了利用对比语言-图像预训练（CLIP）训练的Mamba模型，并在26个零样本分类数据集和16个分布外（OOD）数据集上进行了评估。研究发现，6700万参数...

5个月前

12 3