AI资讯新闻榜单内容搜索-视觉

关键词: Prompt,AI视频,AI视觉模型

用视觉来做Prompt！沈向洋展示IDEA研究院新模型，无需训练或微调，开箱即用

关键词: SOTA,Video-LLaVA,北大视觉模型

最近，来自北京大学等机构研究者提出了一种全新视觉语言大模型——Video-LLaVA，使得LLM能够同时接收图片和视频为输入。Video-LlaVA在下游任务中取得了卓越的性能，并在图片、视频的13个基准上达到先进的性能。这个结果表明，统一LLM的输入能让LLM的视觉理解能力提升。

关键词: Video-LLaVA,视觉语言大模型,北大开源视觉大模型,LLM

AI能理解搞笑视频笑点在哪里了。北大等团队开源视觉语言大模型Video-LLaVA，将图像和视频表示对齐到统一的视觉特征空间，在13个图片和视频基准上达到先进的性能。

关键词: chatGPT,GPT-4,GPT-4 Turbo,DALL·E3,OpenAI

OpenAI在首届开发者日上，正式公布自定义GPT。与此同时，现有的GPT-4也迎来一大波更新。 新版本GPT-4 Turbo，支持128k上下文，知识截止更新到2023年4月，视觉能力、DALL·E3，文字转语音TTS等等全都对API开放…… API价格还打了3-5折。

关键词: GPT-4V,AI视觉,chatGPT

GPT-4V挑战视觉错误图，结果令人“大跌眼镜”。 像这种判断“哪边颜色更亮”的题，一个没做对

关键词: Pokemon Go,AI游戏

Niantic宣布其 AR 游戏《Pokemon Go》将于 2024 年进行一次巨大的更新，该更新将使用 AI 来改进游戏的 AR 视觉效果，以使 Pokemon 对真实环境的反应能力更强。

关键词: Woodpecker,幻觉,大语言模型,啄木鸟

视觉幻觉是常见于多模态大语言模型的一个典型问题。最近，来自中科大等机构的研究人员提出了首个多模态修正架构「啄木鸟」，可有效解决MLLM输出幻觉的问题。

关键词: DeepMind,卷积神经网络,Transformers,LLM

DeepMind最新研究发现，只要模型设计上没有缺陷，决定模型性能的核心可能是训练计算量和数据。在相同计算量下，卷积神经网络模型和视觉Transformers模型的性能居然能旗鼓相当！

关键词: AI硬件,AI,机器学习

嵌入式领域，即将掀起一场AI革命。想象一下，未来你所使用的咖啡机，都会使用嵌入式视觉和AI，来帮助制作完美的咖啡。

关键词: AI做海报,chatGPT,midjourney,Kbear AI

2024年元旦将至，很多公司都有做龙年主题海报的需求。我们今天抛砖引玉，给大家介绍用chatGPT和midjourney做龙年主题海报的详细步骤。