何恺明带大二本科生颠覆扩散图像生成：扔掉多步采样和潜空间，一步像素直出
何恺明带大二本科生颠覆扩散图像生成：扔掉多步采样和潜空间，一步像素直出何恺明，再次出手精简架构。
来自主题: AI技术研报
6126 点击 2026-02-03 08:44
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
何恺明，再次出手精简架构。
来自 Player2 的研究员们提出了 Pixel2Play（P2P）模型，该模型以游戏画面和文本指令作为输入，直接输出对应的键盘与鼠标操作信号。在消费级显卡 RTX 5090 上，P2P 可以实现超过 20Hz 的端到端推理速度，从而能够真正像人类一样和游戏进行实时交互。P2P 作为通用游戏基座模型，在超过 40 款游戏、总计 8300 + 小时的游戏数据上进行了训练，
从ChatGPT爆火以后，就总有“AI太牛了，自己是不是要失业了”等等类似的声音出现。
多模态大模型（MLLMs）虽然在图像理解、视频分析上表现出色，但多停留在整体场景级理解。
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
在三维重建不断走向工程化的今天，前馈式3D Gaussian Splatting（Feed-Forward 3DGS）正火速走向产业化。 然而，现有的前馈3DGS方法主要采用“像素对齐”（pixel-aligned）策略——即将每个2D像素单独映射到一个或多个3D高斯上。
不使用端侧AI的话，谷歌在Pixel 10上就有虚假宣传的嫌疑了。
世界上最聪明的手机 Google Pixel，这次要连 P 图的活都帮你干了。 刚刚全新发布的 Pixel 10 系列手机，不仅能用 AI 手把手帮你拍照或者增强你拍的远距离照片，还支持全新的 AI 修图工具：只要动动嘴皮子，告诉 Gemini 你想要什么样的图，AI 就能自动帮你 P 好了。
大家好，我是歸藏（guizang）谷歌昨晚举行了他们的 2025 年硬件发布会，早上起来回顾和总结一下。