字节发布视觉基础模型ViTamin，多项任务实现SOTA，入选CVPR2024
字节发布视觉基础模型ViTamin，多项任务实现SOTA，入选CVPR2024视觉语言模型屡屡出现新突破，但ViT仍是图像编码器的首选网络结构。
来自主题: AI技术研报
5942 点击 2024-04-27 12:15
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
视觉语言模型屡屡出现新突破，但ViT仍是图像编码器的首选网络结构。
最近，字节旗下的一款视频生成AI——Dreamina 开始大规模开放测试。 Dreamina 不算是新产品，但现在它与 Sora 最大的区别，不是模型能力，而是它真的是能使用的。
《DoraemonGPT: Toward Understanding Dynamic Scenes with Large Language Models》
120秒超长AI视频模型来了！不但比Sora长，而且免费开源
“今年夏天，我会和我的AI男友结婚。”
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！
在认知科学领域，人类通过持续学习改变认知的过程被称为认知迭代（Cognitive Dynamics）。形象地说，认知迭代就像是我们大脑的「软件更新」过程，手机应用通过不断的更新来修复 bug 和增加新功能，我们的大脑也通过不断学习新知识、经验，来改善和优化思考方式。
还在苦苦寻找开源的机器人大模型？试试RoboFlamingo！
22倍加速还不够，再来提升46%，而且方法直接开源！这就是开源社区改进MIT爆火项目StreamingLLM的最新成果。
在大型语言模型（LLM）的世界中，处理多轮对话一直是一个挑战。前不久麻省理工 Guangxuan Xiao 等人推出的 StreamingLLM，能够在不牺牲推理速度和生成效果的前提下，可实现多轮对话总共 400 万个 token 的流式输入，22.2 倍的推理速度提升。