来自加州大学洛杉矶分校的六人团队（全是华人）今天他们公开了他们的机器人学习跳舞和动作的演示，还公开了论文，论文中介绍了一种名为Expressive Whole-Body Control（ExBody）的方法，它旨在让类人机器人（humanoid robots）在现实世界中执行丰富、多样和富有表现力的动作。研究者们通过结... 阅读全文

来自加州大学伯克利分校的研究研究人员发布论文探讨如何让机器人，特别是人形机器人（humanoid），在现实世界中更好地行走。研究者们将这个问题看作是一个“下一个标记预测”问题，这类似于在语言中预测下一个单词。他们的模型是一个因果变换器（causal transformer），通过自回归预测传感器运动轨迹来训练。这种方法... 阅读全文

Lightrick公司宣布了其最新创新——LTX Studio，这是第一代生成式AI电影制作平台。对于那些想要在视频制作中引入AI元素的创作者来说，这是一个令人兴奋的消息。 LTX Studio不仅允许用户借助AI生成短片，还提供了对脚本、角色、镜头、风格、对话和情节等内容的详细编辑功能。这意味着，无论你是初学者还是专... 阅读全文

Video Background Removal tool是一款由推特网友@Mr_AllenT制作，在Hugging Face Spaces上运行的视频背景去除工具，该工具可以保留视频的主题去除复杂的背景，从而生成可以生成绿幕视频。不过在线版经常出现等待GPU的情况，或者直接报错，如果你的显卡好，可以尝试本地版。 Pi... 阅读全文

英伟达联合 Hugging Face和云计算公司ServiceNow发布开源代码生成模型系列StarCoder 2，希望成为代码生成领域的新标准，释出的模型包括由ServiceNow训练的30亿参数模型、Hugging Face训练的70亿参数模型、英伟达训练的150亿参数模型，前两个模型可在大多数消费级GPU上运行。... 阅读全文

Morph x Stability AI联手推出创新视频创作方案。新世代技术助您轻松将创意化为生动视频。只需输入文字、图片或现有视频素材，Morph Studio的一站式生成工具即可帮助您打造精彩故事。无缝衔接各环节，每个灵感瞬间均可通过多重并行处理快速成片。... 阅读全文

这篇论文介绍了一种名为“布局学习”（Layout Learning）的方法，它能够生成可以分解为独立对象的3D场景。这种方法是无监督的，仅依赖于一个大型预训练的文本到图像模型的知识。核心思想是通过对3D场景的部分进行空间重排，仍然能够产生相同场景的有效配置，从而发现场景中的对象。 项目主页：https://dave.m... 阅读全文

来自清华大学、华为诺亚方舟实验室、中国科学院的研究人员推出VastGaussian，它用于大型场景的高质量重建和实时渲染。想象一下，你想要创建一个虚拟城市或者重现一个历史遗迹，并且希望这个虚拟场景能够以照片般真实的质量实时显示。VastGaussian就是为了解决这样的挑战而设计的。 项目主页：https://vast... 阅读全文

谷歌研究人员发布论文探讨了大语言模型（LLMs）在微调（finetuning）过程中的缩放特性，特别是在不同因素（如模型大小、预训练数据量、微调参数量和微调数据量）的影响下，微调性能如何变化。研究团队通过系统实验，分析了这些因素对微调效果的影响，并提出了一种新的缩放定律来描述这些关系。 论文地址：https://arx... 阅读全文

这篇论文介绍了一种名为Dual Chunk Attention（DCA）的新方法，它旨在帮助大语言模型（LLMs）处理和生成更长文本内容，而不需要额外的训练。想象一下，你有一个能够聊天的机器人，但这个机器人在处理很长的对话或者阅读大型PDF文件时就会遇到困难。DCA就是为了解决这个问题而设计的。 论文地址：https:... 阅读全文

这篇论文介绍了一个名为OmniACT的数据集和基准测试，旨在评估虚拟代理在执行计算机任务方面的能力。这些任务包括在桌面和网页应用中执行各种操作，如查看股票价格变化、在租房网站上查找房源、查看特定日期的天气等。OmniACT的目标是生成可执行的程序脚本，以自动化这些任务。 论文地址：https://arxiv.org/a... 阅读全文

来自微软和理海大学的研究人员发布论文，基于已经发布的内容和他们自己的逆向工程，全面回顾了 Sora 的背景、相关技术、新兴应用、当前的局限性和未来的机遇。首先，追踪了Sora的开发历程，并深入研究了构建这个“世界模拟器”所使用的基础技术。接着，详细阐述了Sora在多个行业中的应用场景和潜在影响，涵盖电影制作、教育、营销... 阅读全文