牛津大学的研究人员推出大规模合成数据集VGGHeads，它专门用于3D人头检测、关键点估计和3D头部模型拟合等重要任务。这些任务在面部识别、动画制作、增强现实和医学成像等领域有着广泛的应用。例如，我们需要训练一个计算机视觉系统来识别图片中的人脸，并准确地模拟出人头的三维形状。这通常需要大量的真实人脸图片和相应的三维模型... 阅读全文

牛津大学的研究人员推出交互式视频生成模型Puppet-Master，它可以作为一个运动先验来捕捉物体部分级别的动力学。简单来说，Puppet-Master能够根据单个图像和一组稀疏的运动轨迹（即拖动操作），合成一段展示逼真物体部分运动的视频。这就像是有一个虚拟的木偶大师，通过几个简单的手势指令，就能够控制视频中物体各部... 阅读全文

北京通用人工智能研究院 (BIGAI) 、清华大学和北京理工大学的研究人员推出大规模数据集“SG3D”（Sequential Grounding in 3D Scenes），它是为了推动三维场景中任务导向的顺序定位（task-oriented sequential grounding）任务的研究而创建的。这项任务涉及到... 阅读全文

这篇论文介绍了一个名为“LLM-DetectAIve”的工具，它专门设计用来精细地检测机器生成的文本（MGTs）。随着大语言模型（LLMs）的普及，人们越来越难以区分文本是人类写的还是机器生成的。这在教育和学术领域尤其令人担忧，因为可能会有不正当使用机器生成文本的情况。论文还提到了这个工具的一些限制，比如它目前只支持英... 阅读全文

阿里巴巴和中山大学的研究人员推出新型数据集和对比学习合成方法Img-Diff，它专注于为多模态大语言模型（MLLMs）提升细粒度图像识别能力。这个方法通过分析相似图像之间的物体差异，挑战模型去识别匹配和不同的组成部分。例如，你有两张看起来非常相似的图片，但它们之间有一些细微的差别，比如一张图片中的物体被替换了。Img-... 阅读全文

腾讯XR视觉实验室和澳大利亚国立大学的研究人员推出创新系统Sketch2Scene，它能够根据用户的简单草图和文本提示，自动生成交互式的3D游戏场景。这就像是给一个会魔法的画家，只需要随手画几笔和简单描述，就能创造出一个栩栩如生的游戏世界。例如，你想要创造一个游戏场景，但你可能不是专业的3D建模师。有了Sketch2S... 阅读全文

TRANSFORMER EXPLAINER是一个交互式可视化工具，它旨在帮助非专业人士通过GPT-2模型来学习理解Transformer这一文本生成模型。Transformer是一种在机器学习领域非常流行的神经网络架构，广泛应用于从文本到视觉的多种任务中。但Transformer的内部工作原理对许多人来说还是一个黑箱，... 阅读全文

Kando 是一个跨平台的开源快速启动工具，支持 Windows、macOS、Linux，旨在提供一种非常规、快速且有趣的与计算机互动的方式。用户可以通过 Kando 来启动应用程序、模拟键盘快捷键、打开文件等多种操作。该项目支持鼠标、触控笔或触摸输入，特别适合那些频繁使用指尖与设备交互的用户。尽管如此，对于经常双手置... 阅读全文

阿里通义千问 Qwen2 家族的新成员 Qwen2-Math，以其强大的数学解题能力，为开源语言模型领域带来了新的突破。以下是对 Qwen2-Math 的简介和性能概述，以及其多语言模型开发计划的介绍。 项目主页：https://qwenlm.github.io/zh/blog/qwen2-math GitHub：ht... 阅读全文

之前已经在Steam平台限免过的俯视角动作射击游戏《Intravenous》，这次又在GOG平台开启了限免，《Intravenous》是一款于2021年7月27日发布的游戏，原价80元，目前在Steam国区拥有91%的“特别好评”评价。游戏中，玩家将扮演前战士史蒂夫·罗宾斯，为了给兄弟报仇而潜入犯罪组织进行作战。游戏特... 阅读全文

Epic Games本周要免费送《Apex 英雄》本体、《 Apex 英雄》导线管免费解锁捆绑包 ，领取时间为8月8日晚上23点到8月15日晚上23点，在此之前免费领取即可永久保留这些作品。下周的免费游戏是类银河战士恶魔城类游戏《亡灵诡计：来世（Death's Gambit: Afterlife）》和《战舰世界》一入门... 阅读全文

Luvvoice 是一款免费的在线文字转语音（TTS）工具，它利用人工智能技术，特别是深度学习，来生成高质量、接近真实人类声音的语音文件。这类工具对于媒体制作、教育、游戏开发以及为视障人士提供无障碍服务等领域非常有用。以下是 Luvvoice 的一些特点： 广泛的语音选择：支持超过 70 种语言和 200 多种不同的语... 阅读全文