北京时间 5 月 15 日凌晨，在 OpenAI 春季发布会的第二天，2024 年谷歌 I/O 召开，这是一场充满了 AI 的发布会，谷歌对其旗下的多款 AI 产品发布了大更新，从基座模型 Gemini 到新的 AI 助手 Astra、新的文生视频模型 Veo，以及更强大的文生图模型 Imagen 3。
多模态 AI 无疑是今年大模型的发展重点之一，Sora、Midjourney、Suno 等文生视频、文生图、文生音乐赛道的代表产品也是用户的关注热点。
智东西5月9日报道，近日，Meta宣布推出一系列增强的生成式AI技术，扩展其生成式AI广告产品。其中，新增工具能自动生成多样化图像并在其上叠加文字，提升广告商的创意水平和广告效果。
图学习领域的数据饥荒问题，又有能缓解的新花活了！
首届ICLR时间检验奖，颁向变分自编码器VAE
文生图、文生音频、文生视频、AI搜索引擎……大模型在多模态的进程可谓是愈演愈烈。
近期，大语言模型、文生图模型等大规模 AI 模型迅猛发展。在这种形势下，如何适应瞬息万变的需求，快速适配大模型至各类下游任务，成为了一个重要的挑战。受限于计算资源，传统的全参数微调方法可能会显得力不从心，因此需要探索更高效的微调策略。
最近，扩散模型（Diffusion Model）在图像生成领域取得了显著的进展，为图像生成和视频生成任务带来了前所未有的发展机遇。尽管取得了令人印象深刻的结果，扩散模型在推理过程中天然存在的多步数迭代去噪特性导致了较高的计算成本。
初见文生图、文生视频的震撼还清晰如同昨日，硬糖君的记忆更停留在AI绘画导致LOFTER用户销号事件——可能是这个冷门社区近年来站得最高的一次。但不到两年时间，AIGC已经随风潜入夜。
过去几年里，基于文本来生成图像的扩散模型得到了飞速发展，生成能力有了显著的提升，可以很容易地生成逼真的肖像画，以及各种天马行空的奇幻画作。
