AI资讯新闻榜单内容搜索-ViT

关键词: AI,Transformer,ViT,模型训练

ViT核心作者Lucas Beyer，长文分析了一篇改进Transformer架构的论文，引起推荐围观。

关键词: AI,AI Creativity,AI视频,人工智能

OpenAI 连续 12 天 “Shipmas”发布活动终于要发布让大家期待已久的视频生成模型 Sora，这再一次激起人们对图片生成、视频生成的关注。而AI Creativity 一直是我们非常关注的 GenAI 落地方向，图像生成和视频生成模型快速迭代，离商业可用越来越近。

关键词: AI,ViT,谷歌AI,openai

爆炸消息—— ViT三大核心作者集体离职谷歌DeepMind。下一站：OpenAI！ 他们分别是翟晓华（Xiaohua Zhai）、卢卡斯·拜尔（Lucas Beyer）、亚历山大·科列斯尼科夫（Alexander Kolesnikov）。

关键词: Reflexivity,AI投资,AI金融,AI融资

凭借在华尔街利用AI分析市场，Reflexivity吸引融资高达3000万美元，折合人民币高达2.1个亿。盈透证券和Greycroft领投了本轮融资，亿万富翁投资者Stanley Druckenmiller和澳大利亚对冲基金Kirkoswald创始人Greg Coffey参与其中。

关键词: 数据集,模型训练,CD-ViTO,CD-ViTO

解决跨域小样本物体检测问题，入选ECCV 2024。

关键词: Oryx,多模态,OryxViT,AI,多模态模型

视觉数据的种类极其多样，囊括像素级别的图标到数小时的视频。现有的多模态大语言模型（MLLM）通常将视觉输入进行分辨率的标准化或进行动态切分等操作，以便视觉编码器处理。然而，这些方法对多模态理解并不理想，在处理不同长度的视觉输入时效率较低。

关键词: openai,GPT-4o,VITA,腾讯优图,模型训练

大语言模型 (LLM) 经历了重大的演变，最近，我们也目睹了多模态大语言模型 (MLLM) 的蓬勃发展，它们表现出令人惊讶的多模态能力。 特别是，GPT-4o 的出现显著推动了 MLLM 领域的发展。然而，与这些模型相对应的开源模型却明显不足。开源社区迫切需要进一步促进该领域的发展，这一点怎么强调也不为过。

关键词: 扩散模型,ViT,Transformer,CNN,计算机视觉

用卷积能做出一样好的效果。

关键词: 国产大模型,Vitron,颜水成,扩散模型,模型训练,多模态大模型

奔向通用人工智能，大模型又迈出一大步。

关键词: ViTamin,视觉基础模型,SOTA,Transformer,模型训练

视觉语言模型屡屡出现新突破，但ViT仍是图像编码器的首选网络结构。