站长之家（ChinaZ.com）8月18日 消息:CIM（Complete Instances Mining）是一个用于弱监督实例分割的算法，旨在从具有弱标签的数据中挖掘完整的目标实例。该项目提供了 CIM 算法的代码实现。
项目地址:https://github.com/ZechengLi19/CIM?utm_source=talkingdev.uwl.me
这种算法可以帮助计算机识别并聚焦于图像中对象的单一完整版本。这将提高计算机视觉和图像理解能力，优化图像识别的准确度并提高处理图像的效率。
核心功能:
CIM 算法通过弱监督学习的方式，从仅有的弱标签数据中准确地分割目标实例。
它能够识别出目标的完整边界，并生成高质量的实例分割结果。
通过 CIM，用户可以在没有完全标注的数据集上进行高效的实例分割任务，提高工作效率并降低成本。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
特斯拉的Gigafactory不断发展扩张该公司在德克萨斯州奥斯汀的工厂中出现的一个建筑结构近日引起了一些关注。有人称这个新建筑可能将用于容纳特斯拉的Dojo超级计算机集群的操作，以训练公司用于完全自动驾驶系统的人工智能神经网络。这个计算集群有望在明年初成为全球最强大的超级计算机之一。
DreamLLM是一款强大的多模态大型语言模型学习框架，它首次实现了多模态理解和创作之间常常被忽视的协同效应。DreamLLM基于两个基本原则运作。图像生成:DreamLLM通过特殊的梦想令牌预测图像生成位置，生成与文本描述相关的图像，为用户提供强大的图像生成能力。
3D生成领域经历了迅猛的进展，其中一个备受瞩目、在GitHubRepo上广受欢迎的项目备受关注。这个项目被认为是最为稳定和通用的，用户只需提供一张图像，模型就能自动合成多个视图并生成相应的3D模型。SyncDreamer生成的图像可以用于高质量的3D重建。
视觉Transformer成为各类视觉任务如物体识别和图片分类的有效架构。这是因为自注意力可以从图片中提取全局信息卷积核大小限制了卷积神经网络只能提取局部信息。他们的贡献有:1）提出了紧凑高效的视觉Transformer模型DualToken-ViT，通过卷积和自注意力的优势实现有效的注意力结构;2)提出位置感知全局令牌，通过图像位置信息来增强全局信息;3)DualToken-ViT在相同FLOPs下在多个视觉任务上表现最好。
三星电子发布新闻稿宣布，将于11月7日在韩国京畿道水原会议中心举办三星人工智能论坛2023。该论坛旨在展示人工智能和计算机工程领域的最新研究成果，有助于提升公司的下一代半导体技术。从10月12日起，参会者可以在三星人工智能论坛网站上注册，并向演讲者预先提交问题。
北京交通大学等机构联合推出了新多模态大模型MMICL。它支持文本、图像、视频三种模态的混合输入，在多项多模态能力评测中表现抢眼。随着其性能和适用场景的不断优化，MMICL有望成为多模态领域的新宠。
当地时间周一，美国人工智能研究公司OpenAI宣布，其AI聊天机器人工具ChatGPT现在可以“看、听、说”，这暗指这款广受欢迎的聊天机器人可以同时接收图像和语音输入，并通过语音对话进行回复。ChatGPT是OpenAI于2022年11月30日推出的一种新型AI聊天机器人工具，可根据用户的要求快速生成文章、故事、歌词、散文、笑话，甚至代码，并回答各类疑问。它是一个多模态大型语言模型，支持图像和文本输入，以文本形式输出；扩写能力增强，能处理超过25000个单词的文本；更具创造力，并且能够处理更细微的指令。
StableSR是一种创新性的AI方法，旨在通过利用预训练扩散模型的威力来增强超分辨率任务。传统的SR方法通常需要大量的计算资源来从头开始训练扩散模型，这可能会损害它们的生成先验知识。通过利用预训练的扩散模型并结合创新技术，如时间感知编码器、可控特征包装模块和渐进聚合采样策略，StableSR为将扩散先验知识应用于图像恢复任务的未来研究提供了坚实的基础。
谷歌研究与康奈尔大学合作提出了一项名为RealFill的真实图像补全技术，旨在解决图像修复中的真实性和场景一致性问题。该技术的核心目标是使用少量的参考图像来填充给定目标图像的缺失部分，同时尽可能保持原始场景的真实性。这项技术的应用潜力广泛，将为图像处理和编辑领域带来新的可能性，使我们能够获得更完美的图像。
谷歌团队最新提出「生成图像动力学」，这项研究提出了一种基于图像空间的场景动力学先验模型。该模型可以将单张静态图片转换成无缝循环视频，或者用于与图片中的对象进行交互。该研究为基于单张图片合成视频开辟了新的思路。
APOB是一个AI创造者工具，可以生成独特的AI形象，为用户带来无限的创作可能。它可以用于生成图片和视频，适用于各种用途，包括数字孪生、明星致敬和动漫角色动画等。APOB具有灵活性和创造力，可以根据用户的喜好进行个性化定制。
ScrapeGraphAI是一个使用LLM（大型语言模型）和直接图逻辑来为网站、文档和XML文件创建抓取管道的Python网络爬虫库。用户只需指定想要提取的信息，库就会自动完成这项工作。该库的主要优点在于简化了网络数据抓取的过程，提高了数据提取的效率和准确性。它适用于数据探索和研究目的，但不应被滥用。
databonsai是一个Python库，利用大型语言模型（LLMs）执行数据清洗任务。它提供了一系列工具，包括数据分类、转换和提取，以及对LLM输出的验证，支持批量处理以节省令牌，并且具备重试逻辑以处理速率限制和瞬时错误。
Cognita 是一个开源框架，用于组织 RAG（Retrieval Augmented Generation）代码库，并提供一个前端界面，以便在不同的 RAG 定制中进行实验。它提供了一种简单的方法来组织代码库，使得在本地测试变得容易，同时也能够部署到生产环境中。Cognita 使用 Langchain/Llamaindex 作为底层技术，并提供了一个组织结构，使得每个 RAG 组件都是模块化的、API 驱动的，并且易于扩展。
Llama-3[8B] Meditron V1.0是一款专为生物医学领域设计的8亿参数的大型语言模型（LLM），在Meta发布Llama-3后24小时内完成微调。该模型在MedQA和MedMCQA等标准基准测试中超越了同参数级别的所有现有开放模型，并且接近70B参数级别医学领域领先的开放模型Llama-2[70B]-Meditron的性能。该工作展示了开放基础模型的创新潜力，是确保资源匮乏地区公平参与访问该技术更大倡议的一部分。
Video Mamba Suite 是一个用于视频理解的新型状态空间模型套件，旨在探索和评估Mamba在视频建模中的潜力。该套件包含14个模型/模块，覆盖12个视频理解任务，展示了在视频和视频-语言任务中的高效性能和优越性。
摆平AI论文写作助手是一个在线AI写作平台，专注于提供论文写作辅助服务。它通过智能算法帮助用户快速生成论文草稿，降低AI生成内容的明显痕迹，提升文章原创性。该产品适用于学生、教师及需要撰写论文的专业人士，具有操作简便、生成速度快、成本效益高等特点。
AI Nudes io是一款使用AI拍摄照片的网站。该产品利用类似于DALL E和ChatGPT的尖端AI技术，通过对数十亿张图像进行训练，生成极其逼真的人体，实现了非常逼真的深度伪造效果。产品具有高度的隐私保护，图像在一周内被删除，不会共享，用户信息匿名，并且采用了高级安全措施保护数据。
Nextpart AI是一个NSFW AI聊天应用程序，利用大型语言模型实现用户与AI角色之间逼真的互动。它具有AI生成语音和图像的能力，提供无过滤的18+对话。产品背景信息、定位和价格等详细信息请访问网站。
CrawlSpider是一款革命性的WordPress插件，旨在简化内部链接构建，帮助网站优化SEO结构，提升搜索引擎排名。它使用先进的匹配算法和NLP技术，自动进行内部链接的分配、关键词优化，并遵循SEO指南。
VirtualFantasy.ai是一个让用户连接理想AI伴侣的平台。用户可以选择男性、女性或跨性别的AI角色，并与其展开一段陪伴与理解的旅程，无论什么样的需求都能得到满足，无论是情感支持还是无偏见的对话。VirtualFantasy.ai提供个性化的AI角色生成和互动聊天功能，让用户与他们定制的AI伴侣建立情感和连接。
ZeroGPT是一个基于Web的ChatGPT检测器和其他AI内容检测工具。它帮助专业人士、学生、博主和其他作家检测和删除AI生成的内容。ZeroGPT通过各种算法和API在AI检测研究中分析您的文本，并提供AI概率得分百分比。
LingoSub允许您观看带字幕和翻译的视频，通过观看您喜爱的视频，您可以在上下文中学习新单词和短语。您还可以点击任何单词来查看其定义和发音。
Linktopia是一个面向SaaS创业公司的链接建设和博主外展平台。通过给出链接来获得链接，提高搜索流量。具有以下主要优点：简单透明的定价，每个链接机会都经过手动验证，可搜索相关链接。
Promptzone是一个充满活力的社区，供创意思维的人分享、探索和讨论各种类型和兴趣的提示。该产品为用户提供了一个平台，可以通过创意提示来激发他们的创造力，并与志同道合的人建立联系。Promptzone的主要优点是创造了一个友好的社区环境，鼓励用户分享和交流创意，为他们的项目和作品提供灵感和反馈。
Genai 是一个聊天机器人平台，允许用户从多种数据源收集和混合数据，以快速创建聊天机器人。这些聊天机器人能够根据提供的数据回答用户问题，无需编程知识，即可实现24/7的客户支持，提高客户满意度，并降低支持成本。此外，Genai 还提供了一种新的学习方式，通过加载用户喜爱的播客和视频，快速找到知识信息。用户还可以通过平台分享自己的知识，并通过创建聊天机器人来增长受众和建立长期关系。
和 Kimi 聊天时，随时 @ Kimi+，召唤你的私人助理。Kimi 智能助手是一款旨在提高个人和企业生产力的应用程序。它通过提供多种辅助功能，如写作辅助、翻译、学术搜索等，帮助用户更高效地完成工作和学习任务。Kimi 智能助手的主要优点在于其多功能性、易用性和智能化水平，能够满足不同用户的需求。产品背景信息显示，Kimi 智能助手由月之暗科技有限公司开发，定位于成为用户日常生活中的得力助手。
gpt2-chatbot是一个基于GPT-4架构的大型语言模型，由OpenAI训练。它在对话中表现出色，能够提供结构化、有深度的回答，并且在知识存储方面表现出色。该模型在LMSYS的Direct Chat和Arena (Battle)模式中可供使用，允许用户无需登录即可进行交流和评估。
Opencall是一款AI电话助手，专为提高企业销售、客户满意度和利润率而设计。它通过AI技术自动接听电话，回答问题，分类来电者，预约安排，查找信息，并通过自定义工作流程来满足不同企业的需求。其主要优点包括无限制的容量、全天候可用性、减少等待时间、提高收入，并且每个企业都能获得一个独特的AI，就像您的员工的延伸一样。此外，Opencall还提供医疗、美容、房地产等行业的定制化服务，确保与现有流程的无缝对接。
LLMPrice 是一个专门收集国内大模型信息的网站，为提供对比不同大模型能力和价格的平台。用户可以轻松查看各大模型的规格、价格厂商信息，帮助他们选择最适合自己需求的大模型。
