生图加入CoT，性能提升80%！微软港中文打造天才画手
生图加入CoT，性能提升80%！微软港中文打造天才画手AI绘画总「翻车」，不是抓不住重点，就是细节崩坏？别愁！微软和港中文学者带来ImageGen-CoT技术，让AI像人一样思考推理，生成超惊艳画作，性能提升高达80%。
来自主题: AI技术研报
4203 点击 2025-04-08 14:52
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AI绘画总「翻车」，不是抓不住重点，就是细节崩坏？别愁！微软和港中文学者带来ImageGen-CoT技术，让AI像人一样思考推理，生成超惊艳画作，性能提升高达80%。
新产品发布两天后，在 OpenAI 创始人山姆·阿尔特曼（Sam Altman）的推文下，有人祝贺他十年努力终于带来了 AGI——社交网络上全是吉卜力图像 “All Ghibli Images”。
在ChatGPT上，当你画图的选项变成这个的时候，就说明用的不是Dalle3了，而是4o。目前，有两个渠道可以使用4o Image Generation。一个事ChatGPT，一个是单独的那个Sora的网站。
文本到图像（Text-to-Image, T2I）生成任务近年来取得了飞速进展，其中以扩散模型（如 Stable Diffusion、DiT 等）和自回归（AR）模型为代表的方法取得了显著成果。然而，这些主流的生成模型通常依赖于超大规模的数据集和巨大的参数量，导致计算成本高昂、落地困难，难以高效地应用于实际生产环境。
最近，斯坦福大学教授李飞飞接受了硅谷著名投资人 Reid Hoffman 和 Aria Finger 的联合播客专访。在这场对话中，李飞飞主要探讨了以下主题： ImageNet 的灵感源于难以避开模型的过拟合问题，李飞飞意识到与其苦心改进模型，不如用数据驱动。
图形学的并行计算和边际计算，在模拟物理世界和机器人训练中起到了关键作用。
视频生成领先 OpenAI 了？
OpenAI的Sora翻车后，迎来谷歌的暴击：昨天深夜，Veo 2、Imagen 3、Whisk一套组合拳打来，AI视频和生图根据，再次被谷歌改变了。
OpenAI直播划水的一天，谷歌版Sora迎来了它的2.0——
上周我们受谷歌邀请，来到了国际象棋世界冠军赛的现场。其中最激动的就是采访世界冠军丁立人老师（中国第一个男子国际象棋世界冠军！采访稿过几天会发布！）以及体验谷歌的 AI 展区！展区包括 AI 象棋解说（Chatting Chess），帮助小白和观众通俗易懂地学习如何下棋；