搜索
近年来，扩散模型在图像与视频合成领域展现出强大能力，为图像动画技术的发展带来了新的契机。特别是在人物图像动画方面，该技术能够基于一系列预设姿态驱动参考图像，使其动态化，从而生成高度可控的人体动画视频。
上半场电动化，下半场智能化。智驾不再是遥不可及的稀罕之物。昨晚，比亚迪在深圳总部重磅发布了全民智驾战略。在整车智能战略下，比亚迪构建的「天神之眼」技术矩阵让高阶智驾技术覆盖了全系车型。
城市、高速一体化，从车位到车位的全程自动。
2024 年，理想汽车以突破 100 万辆的累计交付量成为中国智能电动车市场的一大亮点。然而，在这一辉煌背后，理想汽车正迎来一场前所未有的转型。
只凭同一个原生机器人大模型，五指灵巧手就能学会100多个复杂操作任务。
在智能驾驶行业激烈的“端到端”竞赛中，蔚来汽车计划提升“端到端”高阶智驾方案的交付节奏。
2024年，智驾领域最热的词，就是“端到端”。甚至，到了不聊端到端都没法出门的程度。
近期，智驾行业出现了一个融合了视觉、语言和动作的多模态大模型范式——VLA（Vision-Language-Action Model，即视觉-语言-动作模型），拥有更高的场景推理能力与泛化能力。不少智驾人士都将VLA视为当下“端到端”方案的2.0版本。
做好研发投入和成本控制的平衡，成为智驾比拼输赢的关键。
西安电子科大、上海AI Lab等提出多模态融合检测算法E2E-MFD，将图像融合和目标检测整合到一个单阶段、端到端框架中，简化训练的同时，提升目标解析性能。 相关论文已入选顶会NeurlPS 2024 Oral，代码、模型均已开源。