-
HiLM-D：自动驾驶多模态大语言模型玩出花了
本文经自动驾驶之心公众号授权转载，转载请联系出处。 笔者个人的一些思考 不得不说，最近大模型在学术界火起来了，基于图文匹配的CLIP预训练模型成为近年来在多模态研究领域的经典之作。除此之外，大语言模型的蓬勃发展也进一步为多模态带来了性能提升。自动驾驶领...
-
研究显示:AI可提升维基百科可靠性
维基百科一直备受争议，有人视之为无价之宝，有人则对其可靠性提出质疑。近期，一项研究表明，通过人工智能（AI），可以提高维基百科的可靠性。 这项研究由一家伦敦的AI公司进行，他们开发了一个名为SIDE的系统，旨在通过检查维基百科的信息来源，识别其准确性，并提...
-
从基础到实践，回顾 Elasticsearch 向量检索发展史
1.引言 向量检索已经成为现代搜索和推荐系统的核心组件。 通过将复杂的对象（例如文本、图像或声音）转换为数值向量，并在多维空间中进行相似性搜索，它能够实现高效的查询匹配和推荐。 Elasticsearch 作为一款流行的开源搜索引擎，其在向量检索方面...
-
全新视觉提示方法SoM 让GPT-4V看的更准、分的更细
研究人员推出了一种新的视觉提示方法 Set-of-Mark（SoM），它可以让 OpenAI 多模态大模型 GPT-4V 在视觉内容理解方面有了质的提升。GPT-4V 是一种基于 GPT-4的多模态模型，可以同时处理文本和图像，并生成多种类型的输出。 然而...
-
在视觉提示中加入「标记」，微软等让GPT-4V看的更准、分的更细
最近一段时间，我们见证了大型语言模型（LLM）的显著进步。特别是，生成式预训练 Transformer 或 GPT 的发布引领了业界和学术界的多项突破。自 GPT-4发布以来，大型多模态模型 (LMM 引起了研究界越来越多的兴趣，许多工作致力于构建多模态...
-
AI视频爆发！一天10万条，冲进抖音快手小红书
在暖色灯光中，一个复古行李箱缓缓打开，露出灰白色的运动鞋，光影在鞋面上划过，镜头拉近，麂皮质地的纹理清晰可见。画面一转，鞋子旋转起来，灯光由暗转亮，明暗交接在鞋跟处形成一个慢镜头的色彩对比，一边明亮、一边典雅。 这个20s的商品展示视频，角度丰富、色彩讲究...
-
最新AI配音技术刷屏！声音克隆+口型同步，这下真的是“全世界都在说中国话”了
没开玩笑，现在的AI技术，能让全世界都说中国话。 继“AI孙燕姿”后，最近，有一条视频再次刷新了大众对于AI配音技术的认知。 10月19日，B站UP主“johnhuu”发布了一条题为“这才是没有译制片腔调的翻译”的视频。 视频一开头，霉霉正在用地道的普通话...