国产多模态大模型狂飙，颜水成挂帅开源Vitron，破解图像/视频模型割裂问题
国产多模态大模型狂飙，颜水成挂帅开源Vitron，破解图像/视频模型割裂问题奔向通用人工智能，大模型又迈出一大步。
来自主题: AI技术研报
10297 点击 2024-04-28 12:19
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
奔向通用人工智能，大模型又迈出一大步。
奔向通用人工智能，大模型又迈出一大步。
120秒超长AI视频模型来了！不但比Sora长，而且免费开源
去年 4月， 生成式 AI在国内热度正盛的时候，毒眸造访了几家 AI公司， 创业者们对于 AI的态度是大胆、积极和乐观的。
昨天的谷歌Next大会可是太精彩了，谷歌一连放出不少炸弹。 - 升级「视频版」Imagen 2.0，下场AI视频模型大混战 - 发布时被Sora光环掩盖的Gemini 1.5 Pro，正式开放 - 首款Arm架构CPU发布，全面对垒微软/亚马逊/英伟达/英特尔
王炸Sora发布后，想要分辨AI视频和真实视频变得更难了，各行各业都面临新的挑战与危机。
UT奥斯丁等机构提出了一种名为StreamingT2V的技术，让AI视频的长度扩展至近乎无限，而且一致性，动作幅度也非常好！
用不了多久，开源版的Sora就会涌来！理海大学微软团队已经做出一种全新多AI智能体框架Mora，可以完全复刻Sora能力，且生成视频效果几乎不相上下。
近年来，LLM 已经一统所有文本任务，展现了基础模型的强大潜力。一些视觉基础模型如 CLIP 在多模态理解任务上同样展现出了强大的泛化能力，其统一的视觉语言空间带动了一系列多模态理解、生成、开放词表等任务的发展。然而针对更细粒度的目标级别的感知任务，目前依然缺乏一个强大的基础模型。
谷歌发布了一个新的视频框架：只需要一张你的头像、一段讲话录音，就能得到一个本人栩栩如生的演讲视频。