作为基础的视觉语言任务，指代表达理解（referring expression comprehension, REC）根据自然语言描述来定位图中被指代的目标。REC 模型通常由三部分组成：视觉编码器、文本编码器和跨模态交互，分别用于提取视觉特征、文本特征和跨模态特征特征交互与增强。
基于开源Agent框架，可自动解决复杂数据科学问题的Agent来了！
自回归训练方式已经成为了大语言模型（LLMs）训练的标准模式， 今天介绍一篇来自阿联酋世界第一所人工智能大学MBZUAI的VILA实验室和CMU计算机系合作的论文，题为《FBI-LLM: Scaling Up Fully Binarized LLMs from Scratch via Autoregressive Distillation》
Fidelity-Scalability-Controllability-Accessibility （真实度-可扩展性-可控性-可用性）是生成式 AI 领域一个很好的研究方法论。会有更多像AnimateDiff这样的技术推动视频生成的广泛应用。
当Ilya Sutskever 离开 OpenAI 重归大众视野，带着他名为 SSI（Safe Superintelligence Inc.) 的新公司。
Stable Assistant还支持草图生成完整图片，一键“毛坯”变“精装”。
近期，商汤科技 - 南洋理工大学联合 AI 研究中心 S-Lab ，上海人工智能实验室，北京大学与密歇根大学联合提出 DreamGaussian4D（DG4D），通过结合空间变换的显式建模与静态 3D Gaussian Splatting（GS）技术实现高效四维内容生成。
克服多动症带来的日常挑战。
本文将为大家介绍CVPR 2024 Highlight的论文LangSplat: 3D Language Gaussian Splatting（三维语义高斯泼溅）。LangSplat在开放文本目标定位和语义分割任务上达到SOTA性能。在1440×1080分辨率的图像上，查询速度比之前的SOTA方法LERF快了199倍。代码已开源。
炸裂！OpenAI真正的灵魂人物Ilya，刚刚官宣了自己出走OpenAI后要创建的新公司——SSI，也即安全超级智能。好家伙，这是直接跨过AGI了，Ilya手里究竟捂着什么前沿研究技术？网友们激动得奔走相告，更有大佬在评论区留言：请收下我的赞助！
