搜索
图像到视频生成（I2V）任务旨在将静态图像转化为动态视频，这是计算机视觉领域的一大挑战。其难点在于从单张图像中提取并生成时间维度的动态信息，同时确保图像内容的真实性和视觉上的连贯性。大多数现有的 I2V 方法依赖于复杂的模型架构和大量的训练数据来实现这一目标。
本综述深入探讨了大型语言模型的资源高效化问题。
从广角视图到微距拍摄，每一步由你来决定。
“耍心机”不再是人类的专利，大模型也学会了！经过特殊训练，它们就可以做到平时深藏不露，遇到关键词就毫无征兆地变坏。
字节&复旦大学多模态理解大模型来了：可以精确定位到视频中特定事件的发生时间。
ChatGPT是世界上最强大的模型，不过，它虽然知道你想让它帮你买票，但它却不懂如何买票，它能力的上限就摆在那儿了。好在OpenAI在GPT模型引入了一个强大的功能--函数调用(function call)。
当地时间2024年1月9日，2024年国际消费电子展(CES 2024)在美国拉斯维加斯举办。AI for All成为CES大会的关键议题之一。
这篇文章测评三个AI大模型能力：
“你觉得指纹是独一无二的存在吗？”这是3年前，刚刚考入美国哥伦比亚大学计算机系的加布·郭（音译）和导师闲聊时说起的一个问题。3年后，在导师指导下，他终于就这个问题得出了答案。
世界上最快超算集群Frontier，用8%的GPU训练出了一个万亿级规模的大模型，而且是在AMD硬件平台之上完成。研究人员将训练的细节和克服的困难写成了一篇论文，展示了如何用非英伟达的生态完成大模型训练的技术框架和细节。