阿里巴巴集团人工智能业务、南京大学人工智能学院、南京大学计算机软件新技术国家重点实验室的研究人员推出新型多模态大语言模型Ovis。多模态意味着这个模型能够同时处理和理解文本和视觉信息，比如图片。你可以把它 ...... 阅读全文

Current Time UTC 是一款查询当前世界协调时间 (UTC) 的服务，用户可以通过输入城市或国家名称，获取当地的日期和时间。此外，该服务还提供多种实用功能，包括： 时区转换器：查询不同地区的时区信息。 国家当地时间 ...... 阅读全文

约翰·霍普金斯大学和Samaya AI的研究人员推出新型检索模型Promptriever，它能够像语言模型一样响应指令，为用户提供更自然的搜索体验。简单来说，就像你和一位图书管理员对话，告诉他你想找什么书，他会根据你的描述 ...... 阅读全文

备受期待的索尼第一方游戏《战神：诸神黄昏》确定将于9月19日登陆PC平台，并于昨日23:00开放预载。游戏的普通版售价为398元，数字豪华版捆绑包售价为488元，支持简繁体中文显示。值得注意的是，玩家需要绑定PSN账号 ...... 阅读全文

盛顿大学、谷歌 Deepmind和卡内基梅隆大学的研究人员推出新技术，它能让四足机器人在不连续的地形（比如楼梯和跳石头）上进行敏捷、连续、适应地形的跳跃。这就像是教会机器人在复杂的地面上像动物一样跳跃，而不仅 ...... 阅读全文

加州大学圣地亚哥分校推出大规模公共领域MusicXML数据集PDMX，它是为了符号音乐处理而设计的。符号音乐处理是指将音乐以乐谱形式进行分析和生成，这与音频领域的音乐生成不同，它更侧重于音乐的结构和符号表示。 项 ...... 阅读全文

苏黎世联邦理工学院、Meta和 巴尔格里斯特大学医院的研究人员推出一种新型的三维（3D）和四维（4D）重建技术，名为SplatFields。这项技术的目标是从多个视角的图像中高效地重建出静态场景和动态事件的三维模型，并且 ...... 阅读全文

香港城市大学、上海人工智能实验室、香港中文大学和南洋理工大学S-Lab的研究人员推出新型3D生成模型Phidias，它能够通过文本、图像以及3D条件来创造3D内容。Phidias的核心特点是利用一个额外的3D参考模型来指导生成 ...... 阅读全文

英伟达推出多模态大语言模型NVLM 1.0，它在视觉-语言任务上取得了突破性成果，与业界领先的专有模型（比如GPT-4o）和开源模型（比如Llama 3-V 405B和InternVL 2）相媲美。NVLM 1.0不仅在多模态任务上表现出色，还在 ...... 阅读全文

Fakeface 是一款让用户轻松、快速制作个人化换脸视频、照片和 GIF 的工具，同时保证视频和图片的品质。与其他同类型服务相比，脸部交换速度提高了五倍！ 使用方法 用户只需上传需要换脸的视频或照片，再上传新的脸部 ...... 阅读全文

苏黎世联邦理工学院的研究人员发布论文，论文的主题是关于如何破解 Google 的 reCAPTCHA v2 系统。reCAPTCHA 是一种广泛使用的网络安全工具，它通过一系列挑战（也就是我们常说的验证码）来区分用户是真人还是自动程 ...... 阅读全文

AudioBERT是一种通过基于检索的方法增强 BERT 的听觉知识的新方法，它专门设计来增强传统语言模型在听觉知识方面的不足。传统上，语言模型主要在文本数据上进行预训练，这可能导致它们在处理与声音相关的任务时缺乏 ...... 阅读全文