AI资讯新闻榜单内容搜索-视觉

关键词: 何恺明,MIT,计算机视觉课

作为麻省理工学院（MIT）电气工程与计算机科学系（EECS）副教授，何恺明第一节课讲授了卷积神经网络的基本知识。

关键词: VisionLLAMA,ViT,LLaMA,模型训练

半年多来，Meta 开源的 LLaMA 架构在 LLM 中经受了考验并大获成功（训练稳定、容易做 scaling）。

关键词: sora,LeCun,视觉世界模型,世界模型,AI学术

Sora 的发布让整个 AI 领域为之狂欢，但 LeCun 是个例外。

关键词: 读屏AI,PaLM 2-S,ScreenAI,谷歌AI

谷歌在语言和声控计算机界面的漫长道路上又迈出了重要一步。最新ScreenAI视觉语言模型，能够完成各种屏幕QA问答、总结摘要等任务。

关键词: sora,逆向工程,计算机视觉

Sora刚发布不久，就被逆向工程“解剖”了？！

关键词: OpenDiT,Sora模型,AI视频,AI视频模型,模型训练

根据 OpenAI 披露的技术报告，Sora 的核心技术点之一是将视觉数据转化为 patch 的统一表征形式，并通过 Transformer 和扩散模型结合，展现了卓越的扩展（scale）特性。

关键词: AI视频,VideoPrism,sora,Meta

谷歌团队推出「通用视觉编码器」VideoPrism，在3600万高质量视频字幕对和5.82亿个视频剪辑的数据集上完成了训练，性能刷新30项SOTA。

关键词: sora,openai,AI视频

Sora面对的挑战就像是需要处理和理解来自世界各地、不同设备拍摄的数以百万计的图片和视频。这些视觉数据在分辨率、宽高比、色彩深度等方面都存在差异。为了让Sora能够像人类大脑那样理解和生成这么丰富的视觉内容，OpenAI开发了一套将这些不同类型视觉数据转换为统一表示形式的方法。

关键词: AI西游记,AI视频,AI动画,AI疯人院

一个名为“AI疯人院”的博主在网上发布了一部令人震撼的《猴王问世》动画短片。这部短片利用AI技术制作而成，全长约3分56秒，其令人身临其境的逼真视觉效果让众多网友惊叹不已。

关键词: Sora,AI 视频,视觉训练,AGI,openai

本文总结了关于Sora的四点启发，包括视觉数据训练出更强的泛化能力、OpenAI的Scaling Law路线、与AGI的第一次亲密接触以及OpenAI的宣传策略。