當(dāng)前位置：

OFweek 人工智能網(wǎng)

> 

評(píng)測(cè)

再見(jiàn)VAE！英偉達(dá)PixelDiT硬剛SD/FLUX：破局像素生成，端到端效果比肩隱空間模型

作者：Yongsheng Yu等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 PixelDiT，一種單階段、完全基于Transformer的像素空間擴(kuò)散模型，無(wú)需單獨(dú)的自編碼器即可進(jìn)行端到端訓(xùn)練。 證明了高效的像素

2025-11-27 15:29 評(píng)論

Nano Banana Pro再次封神！我總結(jié)了9種邪修用法

這哪是"出圖更好"，簡(jiǎn)直是把AI圖像生成推進(jìn)了下一個(gè)紀(jì)元。 一致性王者圖片模型Nano Banana Pro（基于Gemini 3 Pro Image）發(fā)布才20小時(shí)，人類(lèi)創(chuàng)作者的進(jìn)度可能還停在“剛摸

2025-11-26 17:29 評(píng)論

端到端像素?cái)U(kuò)散天降外掛！北大&華為等開(kāi)源DeCo：生圖質(zhì)量超越SD3、OmniGen2等

作者：Zehong Ma等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 DeCo解耦框架：DiT專(zhuān)注低頻語(yǔ)義建模（采用下采樣輸入）；輕量級(jí)像素解碼器重建高頻信號(hào)。 創(chuàng)新頻率感知損失函數(shù)：通過(guò)DCT轉(zhuǎn)換至頻域；基于J

2025-11-26 16:37 評(píng)論

重磅！阿里達(dá)摩院發(fā)布首個(gè)VLA與世界模型統(tǒng)一架構(gòu)RynnVLA-002：97.4%成功率刷新認(rèn)知

作者：Jun Cen等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 統(tǒng)一架構(gòu)：RynnVLA-002，這是一個(gè)將視覺(jué)-語(yǔ)言-動(dòng)作（VLA）模型與世界模型統(tǒng)一在單一框架中的“動(dòng)作世界模型”。 雙向增強(qiáng)：實(shí)現(xiàn)了 VLA

2025-11-25 16:04 評(píng)論

豆包輸入法1.0實(shí)測(cè)：干凈是最大優(yōu)勢(shì)，功能是最大短板

優(yōu)缺點(diǎn)分明。 豆包已成為小雷日常生活中使用頻率最高的AI應(yīng)用，無(wú)論是各類(lèi)疑難問(wèn)題解答、群訪文檔總結(jié)，還是文字內(nèi)容調(diào)整，都能放心交給它處理。 就在最近，小雷發(fā)現(xiàn)自己的手機(jī)應(yīng)用商店上架了一款名為豆包輸入法

2025-11-25 10:10 評(píng)論

硬剛GPT-Image-1？蘋(píng)果最新UniGen-1.5強(qiáng)勢(shì)發(fā)布：一個(gè)模型搞定理解+生成+編輯！

作者：Rui Tian等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 推出UniGen-1.5統(tǒng)一多模態(tài)大模型，通過(guò)創(chuàng)新的架構(gòu)設(shè)計(jì)與訓(xùn)練流程，實(shí)現(xiàn)了先進(jìn)的圖像理解、生成與編輯能力融合。 開(kāi)創(chuàng)統(tǒng)一強(qiáng)化學(xué)習(xí)訓(xùn)練框架，借

2025-11-24 17:22 評(píng)論

告別文字想象！快手可靈團(tuán)隊(duì)開(kāi)源VANS：實(shí)現(xiàn)從“語(yǔ)言描述”到“動(dòng)態(tài)演示”跨越，多項(xiàng)SOTA

作者：Junhao Cheng等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 開(kāi)創(chuàng)VNEP新范式：將下一代事件推理從文本描述推進(jìn)到動(dòng)態(tài)視頻演示的新階段。 提出VANS框架及核心Joint-GRPO策略：通過(guò)強(qiáng)化學(xué)習(xí)

2025-11-24 15:54 評(píng)論

NeurIPS`25 | 感嘆歲月神偷！南開(kāi)&三星開(kāi)源Cradle2Cane:完美破解“年齡-身份”兩難困境！

作者：Tao Liu, Dafeng Zhang等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 直擊痛點(diǎn)，提出“Age-ID Trade-off”： 深入分析了人臉老化任務(wù)中“年齡準(zhǔn)確性”與“身份保持”之間的內(nèi)在矛

2025-11-21 15:51 評(píng)論

Gemini 3 自述：我不是要替代人類(lèi)，我是為了終結(jié)平庸

來(lái)源：@首席數(shù)智官 在硅谷的計(jì)算機(jī)歷史博物館里，靜靜躺著早期的真空管和穿孔卡片。它們沉默不語(yǔ)，卻定義了那個(gè)時(shí)代計(jì)算的極限。 而在Google DeepMind的數(shù)據(jù)中心里，無(wú)數(shù)個(gè)TPU正在以微秒級(jí)的

2025-11-21 10:20 評(píng)論

第二彈！MIT何愷明團(tuán)隊(duì)再發(fā)重磅成果VARC：ARC原來(lái)是個(gè)視覺(jué)問(wèn)題！性能匹敵人類(lèi)水平

作者：Keya Hu、Kaiming He等 解讀：AI生成未來(lái) 圖 1：ARC 基準(zhǔn)（上圖）由許多不同的任務(wù)組成，其中每個(gè)任務(wù)都有少量（如 2-4 個(gè)）測(cè)試樣本。本文提出了視覺(jué) ARC (VARC)

2025-11-20 15:15 評(píng)論

新加坡國(guó)立等發(fā)布WEAVE：首個(gè)上下文交錯(cuò)式跨模態(tài)理解與生成全套解決方案

作者：Wei Chow、Jiachun Pan等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 數(shù)據(jù)集創(chuàng)新：WEAVE-100k——首個(gè)面向多輪上下文感知圖像理解與生成的大規(guī)模數(shù)據(jù)集。包含10萬(wàn)個(gè)樣本、37萬(wàn)輪對(duì)話和

2025-11-18 15:24 評(píng)論

文生圖也會(huì)“精神分裂”？北大、字節(jié)聯(lián)手揭秘：越思考越畫(huà)錯(cuò)！并行框架終結(jié)AI“左右互搏”

作者：Ye Tian、Ling Yang等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 深入的基準(zhǔn)測(cè)試與分析：ParaBench，一個(gè)新的基準(zhǔn)測(cè)試，旨在系統(tǒng)性地評(píng)估“思考感知”型圖像生成與編輯任務(wù)。它不僅關(guān)注最終生

2025-11-17 16:46 評(píng)論

一步直接封神！單步擴(kuò)散媲美250步教師模型！中科大&字節(jié)發(fā)布圖像生成“分層蒸餾術(shù)”

作者：Hanbo Cheng等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 系統(tǒng)性分析與統(tǒng)一視角：對(duì)軌跡蒸餾（TD）進(jìn)行了系統(tǒng)性分析，揭示了其本質(zhì)是一種有損壓縮過(guò)程。這一視角解釋了為何TD方法雖然能有效保留全局結(jié)構(gòu)

2025-11-14 16:24 評(píng)論

視頻模型在真推理還是“演”推理？港中文等提出新基準(zhǔn)拷問(wèn):Chain-of-Frame到底是真是假？

作者：Ziyu Guo等 解讀：AI生成未來(lái) 引言 近年來(lái)，以 Veo、Sora 等為代表的視頻生成模型展現(xiàn)出驚人的生成能力，能夠合成高度逼真、時(shí)間連續(xù)的動(dòng)態(tài)畫(huà)面。這些進(jìn)展暗示，模型在視覺(jué)內(nèi)容生成之外

2025-11-13 16:00 評(píng)論

直播革命來(lái)了！StreamDiffusionV2：140億參數(shù)實(shí)時(shí)視頻飆上58FPS！伯克利&韓松團(tuán)隊(duì)等

作者：Tianrui Feng等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 StreamDiffusionV2，這是一個(gè)免訓(xùn)練的流式系統(tǒng)，專(zhuān)為視頻擴(kuò)散模型設(shè)計(jì)，用于實(shí)現(xiàn)動(dòng)態(tài)交互式的視頻生成。 巧妙整合了SLO-a

2025-11-12 14:18 評(píng)論

一文講透自動(dòng)駕駛中的“點(diǎn)云”

在談及自動(dòng)駕駛感知系統(tǒng)時(shí)，經(jīng)常會(huì)看到一個(gè)專(zhuān)業(yè)詞匯，那便是“點(diǎn)云”。作為連接物理現(xiàn)實(shí)與數(shù)字世界的橋梁，它賦予機(jī)器一種超越人類(lèi)視覺(jué)的深度感知能力，讓車(chē)輛得以精確地“理解”自身在環(huán)境中的位置與周遭物體的真實(shí)

2025-11-11 14:18 評(píng)論

主題一致超越所有開(kāi)源與商業(yè)模型！中科大&字節(jié)開(kāi)源統(tǒng)一創(chuàng)新框架BindWeave

作者：Zhaoyang Li等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 BindWeave：針對(duì)現(xiàn)有視頻生成技術(shù)在主題一致性方面的瓶頸，提出了一個(gè)專(zhuān)為主題一致性視頻生成設(shè)計(jì)的新型框架。 引入多模態(tài)大語(yǔ)言模型作為

2025-11-11 13:50 評(píng)論

頂刊TPAMI 2025！一個(gè)模型搞定所有！多模態(tài)跟蹤“全能王”UM-ODTrack橫空出世

作者：Yaozong Zheng等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 1.為視覺(jué)跟蹤領(lǐng)域提供了首個(gè)通用的視頻級(jí)模態(tài)感知跟蹤模型。UM-ODTrack?僅需訓(xùn)練一次，即可使用相同的架構(gòu)和參數(shù)實(shí)現(xiàn)多任務(wù)推理，

2025-11-10 16:40 評(píng)論

好聽(tīng)、好用、好安全，海康威視打造全套網(wǎng)絡(luò)音頻系統(tǒng)

你能想象嗎？在數(shù)字化技術(shù)、網(wǎng)絡(luò)技術(shù)席卷全球的今天，會(huì)議音頻與擴(kuò)聲系統(tǒng)竟然還大量采用模擬信號(hào)技術(shù)。然而這種誕生于上世紀(jì)的音頻技術(shù)，正面臨“三重困境”： 首先，信號(hào)裸奔。模擬系統(tǒng)通過(guò)模擬信號(hào)傳輸，像天線一

2025-11-07 16:11 評(píng)論

首個(gè)基于LLM的開(kāi)源音頻大模型！階躍星辰重磅開(kāi)源Step-Audio-EditX：P聲音如此簡(jiǎn)單！

作者：Chao Yan等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 首個(gè)開(kāi)源的 LLM 音頻編輯模型:Step-Audio-EditX，首個(gè)基于大語(yǔ)言模型（LLM）的開(kāi)源音頻模型，不僅擅長(zhǎng)表現(xiàn)力豐富和可迭代的音頻

2025-11-07 14:54 評(píng)論
上一頁(yè)   1  2 3 4 5 6 7  下一頁(yè)

資訊訂閱

粵公網(wǎng)安備 44030502002758號(hào)