搜索
近年来，diffusion Transformers已经成为了现代视觉生成模型的主干网络。随着数据量和任务复杂度的进一步增加，diffusion Transformers的规模也在快速增长。然而在模型进一步扩大的过程中，如何调得较好的超参（如学习率）已经成为了一个巨大的问题，阻碍了大规模diffusion Transformers释放其全部的潜能。
第一作者孙秋实是香港大学计算与数据科学学院博士生，硕士毕业于新加坡国立大学数据科学系。
就在刚刚，谷歌深夜悄无声息地扔下了一颗重磅炸弹，正式推出了一个全新的开源AI编程工具：Gemini CLI
谷歌把最新的文生图模型 Imagen 4，以及它的 Pro Max 版 Imagen 4 Ultra，放到了 AI Studio 和 API 里。
梵高、蒙娜丽莎、维纳斯、毕加索、草间弥生……这些世界名画的主角和画家们忽然复活，穿上时装走上T台，这个AI视频，已经全网刷爆了！视觉盛宴，泪点拉满，这场穿越时空的艺术秀，让全网震撼。
该研究提出了一种全新的三维牙周病自动诊断系统——PerioAI，实现了对龈骨距离（gingiva-bone distance, GBD）的非侵入式、高精度测量，为牙周病的数字化诊疗提供了全新解决方案。
作为一家上市公司的老板，出门问问创始人、CEO 李志飞在最近的新品发布会上并未亲自讲解产品，而是分享了一场个人的「行为艺术」——一场「一人公司」的实验。
生物医学研究是我们进行人类健康研究、疾病治疗、药物研发以及促进临床护理进步的基石。
大模型公司之外的玩家，怎么参与AGI？这家公司来打样了！一枚磁吸超薄「随身大脑」，录音转写翻译思考样样精通。别不信，这简直是我们见过的Agent最有用的玩法，无数海外用户已经夸爆了。
我们先来回顾一下近期相关事件： 6 月 18 日，Midjourney 发布首个 AI 视频生成模型 V1，标志其从静态图像创作向动态多媒体内容生产转型。V1 支持上传或用其他模型生成图像来生成视频片段，但有无法生成音频、时长限制等不足。Midjourney 透露长期目标是将多种技术融合为"世界模型"，使用户能在动态生成的虚拟环境中自由探索。