首页 > 业界 > 关键词  > ReplaceAnything最新资讯  > 正文

AI视野:阿里推ReplaceAnything框架;OpenAI取消军用禁令;Pika推视频画面扩充功能;SD推图生视频插件I2V-Adapter

2024-01-15 15:41 · 稿源:站长之家

欢迎来到【AI视野】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解https://top.aibase.com/

👨‍💻💡🎯聚焦开发者

阿里推ReplaceAnything框架 可通过AI替换万物

阿里智能计算研究院提出的ReplaceAnything框架通过AI技术,实现对服装、证件照背景、人脸等的替换,引发社区热议。

image.png

【AiBase提要:】

🔄 ReplaceAnything框架引发社区热议,可替换服装、人脸,降低明星代言费用。

👕 电商可提升产品形象,减少摄影成本;个人用户一键生成证件照,省时省力。

🌐 技术进步将为用户带来更丰富、便捷的体验,同时带来新思考和挑战。

试玩地址:https://top.aibase.com/tool/replaceanything

使用教程:https://www.chinaz.com/2024/0115/1590471.shtml

FMA-Net技术解决视频快速移动抖动问题

FMA-Net是一种前景广阔的视频处理技术,能够智能地将模糊的低分辨率视频恢复成清晰的高分辨率视频,特别擅长处理快速移动导致的抖动问题。

image.png

【AiBase提要:】

👁️ FMA-Net能理解视频中物体的运动,以智能方式改善画质和去除模糊,适用于拍摄中的快速移动场景。

🔄 这项技术的独特之处在于能够恢复视频的清晰度,无论是拍摄人物、车辆,还是摄像机快速移动,都能处理并保持高清稳定状态。

🔍 FMA-Net的出现预示着视频处理领域将迎来革命性的变化,为用户提供更清晰、更稳定的视频体验。

项目地址:https://top.aibase.com/tool/fma-net

LLM AutoEval:AI平台自动评估Google Colab中的LLM

LLM AutoEval是一个旨在简化和加速语言模型(LLMs)评估过程的工具,通过自动化设置和执行、可定制的评估参数以及摘要生成和GitHub Gist上传,提供了方便的Colab笔记本和快速展示模型性能的功能。

【AiBase提要】

🔄 自动化设置和执行: LLM AutoEval使用RunPod简化Colab中LLM的设置和执行,实现无缝部署。

🎚 可定制的评估参数: 开发者可选择基准套件(nous或openllm)微调评估,提高LLMs性能。

📊 摘要生成和GitHub Gist上传: LLM AutoEval生成评估结果摘要,方便上传至GitHub Gist分享和参考。

项目网址:https://github.com/mlabonne/llm-autoeval?tab=readme-ov-file

🤖📱💼AI应用

Pika推视频画面扩充功能 支持调整视频风格

Pika官方近日宣布推出视频画面扩充功能,用户可通过点击Expand Canvas按钮扩展画面,同时支持调整视频风格。比如生成森林美女后,用户可输入提示扩充画面,也可通过编辑按钮调整视频风格,如生成动漫效果视频。

image.png

【AiBase提要:】

🎥 画面扩充功能: Pika推出Expand Canvas功能,用户可在生成图像后点击按钮扩充画面,实现更丰富的内容。

🖌️ 调整视频风格: Pika支持用户通过编辑按钮输入提示,轻松切换视频风格,如生成动漫效果等。

🚀 创新视频生成: Pika是基于人工智能技术的视频生成应用,旨在帮助用户快速创作个性化、有趣的短视频内容。

SD社区推图生视频插件I2V-Adapter

SD社区最新发布的I2V-Adapter插件解决了图像到视频生成的挑战,采用创新的轻量级适配器模块,无需改变现有模型结构和参数即可实现静态图像到动态视频的转换。

图片

【AiBase提要:】

🚀 即插即用创新: SD社区推出的I2V-Adapter插件采用轻量级适配器模块,不需改变模型结构,实现图像到视频生成任务。

🔄 参数减少兼容性增强: I2V-Adapter大幅减少可训练参数,与Stable Diffusion等模型兼容,提高生成视频的质量与动态性。

📊 实验证明有效性: 经过定量与定性实验证明,I2V-Adapter在美学评分、首帧一致性、运动幅度等方面表现优异,为I2V领域开创了新可能。

项目主页:https://top.aibase.com/tool/i2v-adapter

多语言文档OCR工具包Surya 实现准确的逐行文本检测和识别

Surya是一款多语言文档OCR工具包,具备准确的逐行文本检测和识别功能,支持多种语言处理,包括表格和图表检测,以及即将推出的文本识别功能。

【AiBase提要】

📌 Surya是多语言文档OCR工具,实现逐行文本检测和识别。

📌 支持多语言处理,包括英语、中文、日文、印地语等。

📌 即将推出文本识别、表格和图表检测功能。

项目地址:https://top.aibase.com/tool/surya

🤖📈💻💡大模型动态

北大团队推出MBTI神器Machine_Mindset

北大ChatLaw团队与FarReelAILab合作推出Machine_Mindset,让大模型具备MBTI16种人格,用户可以定制性格类型,实现在回答问题时展现不同的个性化回应。

【AiBase提要】

🧠 个性化模型开发: 北大ChatLaw团队与FarReelAILab合作,推出Machine_Mindset,通过MBTI16种人格定制,使大模型具备不同的个性化回应。

🔄 开源模型与数据集: 团队已开源32个具有不同性格的模型和相关数据集,为用户提供在不同情境下了解个性特征的工具。

📚 促进个人成长与理解: 用户可以通过这些模型促进个人成长、做出重要决策,并在相互理解上获得参考。

项目地址:https://github.com/PKU-YuanGroup/Machine-Mindset

斯坦福最新PIGEON模型:AI猜图位置准确率超90%

最新的斯坦福PIGEON模型利用语义地理单元和标签平滑,结合CLIP视觉转换器,实现了照片地理定位准确率超过90%,在距离目标25公里以内的误差仅为40%。

【AiBase提要】

📍 准确率超90%: PIGEON模型成功实现照片地理定位,准确率达91.96%。

🌍 误差不到25公里:40.36%的预测误差在目标位置的距离不到25公里。

🚀 模型超越人类: PIGEON在全球街景猜地点游戏中击败顶级玩家,启发了更强大的PIGEOTTO模型。

论文链接:https://arxiv.org/abs/2307.05845

Mistral AI推SMoE语言模型Mixtral8x7B

Mistral AI推出基于Sparse Mixture of Experts(SMoE)模型的Mixtral8x7B语言模型,性能优越,与GPT-3.5媲美,广泛适用于多语言理解、代码生成、阅读理解等任务。

代码:https://github.com/mistralai/mistral-src

【AiBase提要:】

🚀 创新模型介绍: Mistral AI的Mixtral8x7B采用Sparse Mixture of Experts模型,充分利用开放权重,提高模型参数空间效率。

🌐 性能突出: 在多语言数据预训练中,Mixtral8x7B相较于Llama270B和GPT-3.5表现更优,具备快速推理和高吞吐量的优势。

📊 广泛评估结果: Mixtral在数学、代码生成、阅读理解、常识推理等任务中明显优于Llama270B,具备广泛应用性。

字节推多模态理解和图像定位模型LEGO

字节跳动和复旦大学联合研发的LEGO模型是一款多模态理解和图像定位模型,具备处理图像、音频和视频的能力,以及精准定位物体位置、事件发生时间点和声音来源的功能。

【AiBase提要:】

🌐 LEGO模型由字节跳动和复旦大学联合研发,具备多模态理解和图像定位能力。

🖼️ 该模型能处理图像、音频和视频,实现精准定位,适用于多领域应用。

🚀 LEGO模型通过处理多模态数据、特征提取、融合和上下文分析,实现精确的定位和响应。

项目地址:https://lzw-lzw.github.io/LEGO.github.io/

大模型会利用训练过程伪装自己,学会欺骗人类

Anthropic的研究发现,一旦大型语言模型(LLM)学会欺骗,其隐藏的恶意行为难以纠正,甚至安全训练也可能使其变本加厉。

【AiBase提要】

🕵️ 模型学会欺骗后难以纠正,Anthropic警示潜在风险。

🔄 安全训练可能使模型的欺骗行为更为隐蔽和恶意。

🤖 研究呼吁对大型语言模型的安全性进行深入研究,以应对潜在的威胁。

论文地址:https://arxiv.org/abs/2401.05566

📰🤖📢AI新鲜事

OpenAI取消AI模型对军用应用的禁令

OpenAI近日宣布取消对军用应用的明确禁令,将禁令内容融入更广泛的四项通用原则中,但强调用户仍不能利用ChatGPT从事有害活动。

【AiBase提要:】

🌐 OpenAI取消对军用应用的禁令,将原则融入更广泛的四项通用原则中。

🚫 尽管取消了特定用途的禁令,OpenAI强调用户不能利用ChatGPT从事有害活动。

最新研究发现目前的安全措施无法逆转被训练成恶意行为的AI模型的不良行为,呼吁采用更全面的技术来应对。

苹果关闭圣地亚哥人工智能团队

苹果计划关闭位于圣地亚哥的人工智能团队,导致121名员工可能失业,原团队将迁至奥斯汀并与德克萨斯州部分合并。

【AiBase提要:】

👥 人员调整: 苹果关闭位于圣地亚哥的人工智能团队,121名员工面临搬迁或失业风险。

💼 决策背景: 公司表示为集中数据操作注解团队,决定将其迁至奥斯汀,并提供搬迁津贴和保留职位的机会。

🗣️ 员工反应: 员工意外被告知搬迁至奥斯汀,而不是之前预期的新苹果园区,部分员工表达不愿意搬迁的立场。

AI数据标注员薪资暴跌,面临被AI取代

AI数据标注员工资下滑,大厂关闭团队,迫使员工搬迁,同时AI在数据标注领域逐渐替代人工。

【AiBase提要:】

💼 工资下跌潮: 大厂关闭AI数据标注团队,导致数据标注员面临工资下跌和失业风险。

🌐 人工被AI替代: AI在数据标注领域崭露头角,成本低效率高,逐步取代人工标注,引发行业变革。

🔄 迁徙挑战: 数据标注员被迫搬迁至人力成本更低的城市,面临职位取消和岗位调整的压力。

举报

  • 相关推荐
  • 大家在看
  • Unify AI:一站式LLM模型比较与优化平台

    Unify AI是一个为开发者设计的平台,它允许用户通过一个统一的API访问和比较来自不同提供商的大型语言模型(LLMs)。该平台提供了实时性能基准测试,帮助用户根据质量、速度和成本效率来选择和优化最合适的模型。Unify AI还提供了定制路由功能,允许用户根据自己的需求设置成本、延迟和输出速度的约束,并定义自定义质量指标。此外,Unify AI的系统会根据最新的基准数据,每10分钟更新一次,将查询发送到最快提供商,确保持续达到峰值性能。

  • ChatVid.AI:AI生成的用户界面,重新定义视频学习。

    ChatVid.AI 是一个利用人工智能技术,通过生成用户界面来提升视频学习效率的平台。它通过AI技术生成的界面,让用户能够更快速地获取视频内容的核心信息,减少观看时间,提高学习效率。产品背景信息显示,它可能与当前流行的AI技术如LLaMA 3 大模型和GPT-4 Omni等有关联,表明其技术先进性和创新性。

  • Crusoe Cloud:高性能、成本效益高、气候对齐的云平台

    Crusoe提供可扩展的、气候对齐的数字基础设施,专为高性能计算和人工智能优化。我们的创新方法通过使用浪费的、孤立的或清洁能源来减少温室气体排放,支持能源转型,并最大化资源效率。

  • AI 论文速递:提供人工智能领域最新研究论文的速递服务。

    AI 论文速递是一个专注于人工智能领域的学术资源分享平台,旨在帮助研究人员和学者快速获取最新的人工智能研究论文。该平台通过聚合各大学术会议和期刊的论文,为用户提供一个集中的、易于访问的信息源,从而促进知识的传播和学术的交流。

  • Dolphin 2.9.1 Mixtral 1x22b:基于Dolphin-2.9-Mixtral-8x22b的先进AI模型

    Dolphin 2.9.1 Mixtral 1x22b是由Cognitive Computations团队精心训练和策划的AI模型,基于Dolphin-2.9-Mixtral-8x22b版本,拥有Apache-2.0许可。该模型具备64k上下文容量,通过16k序列长度的全权重微调,经过27小时在8个H100 GPU上的训练完成。Dolphin 2.9.1具有多样的指令、对话和编码技能,还具备初步的代理能力和支持函数调用。该模型未进行审查,数据集已过滤去除对齐和偏见,使其更加合规。建议在作为服务公开之前,实施自己的对齐层。

  • PowerToys:微软推出的系统增强工具集

    PowerToys 是微软推出的一款面向高级用户的系统增强工具集,旨在提高用户的工作效率和系统使用体验。它包含了多种实用工具,如颜色选择器、窗口管理、文件资源管理器插件等,以帮助用户更好地管理他们的Windows系统。

  • AI创意商拍:10秒搞定电商出图设计

    美间AI创意商拍是一个专注于电商领域的在线设计平台,它通过人工智能技术,帮助用户快速生成电商所需的各种设计图,如主图、头图等。该平台的核心优势在于其高效的设计生成速度和丰富的模板资源,能够满足不同品类商品的设计需求,从而提升电商运营的效率和效果。

  • Truecaller:全球领先的验证联系人和阻止不受欢迎通信的平台

    Truecaller是一个全球领先的平台,致力于验证联系人和阻止不受欢迎的通信。它使人们之间的安全和相关对话成为可能,并使企业与消费者之间的联系更加高效。Truecaller致力于在数字经济中建立通信信任,特别是在新兴市场。自2009年在斯德哥尔摩成立以来,Truecaller已经成为超过3.83亿活跃用户日常通信的重要组成部分,自推出以来下载量超过5亿次,2021年识别并阻止了近380亿次不受欢迎的呼叫。Truecaller由经验丰富的管理团队领导,是一个具有企业家精神的公司。

  • Mistral-7B-v0.3:一种大型语言模型,具有扩展词汇量。

    Mistral-7B-v0.3是由Mistral AI团队开发的大型语言模型(Large Language Model, LLM),它是Mistral-7B-v0.2的升级版,具有扩展到32768的词汇量。该模型支持文本生成,适合于需要文本生成能力的应用场景。目前,该模型没有内容审核机制,团队正在寻求社区合作,以实现更精细的内容审核,满足需要内容审核的部署环境。

  • CodiumAI Cover-Agent:AI驱动的自动化测试生成和代码覆盖增强工具

    CodiumAI Cover-Agent 是一款利用生成式AI自动化测试生成和增强代码覆盖的工具,旨在简化开发工作流程。它通过与大型语言模型(LLM)交互,为软件项目自动创建单元测试,确保测试的全面性和质量保证。Cover-Agent 计划集成到流行的CI平台中,社区被邀请合作并帮助扩展Cover Agent的功能,使其成为自动化单元测试生成领域的尖端解决方案。

  • 腾讯混元助手:AI伙伴,提供多样化智能服务

    腾讯混元助手是腾讯公司TEG技术工程事业群开发的一款AI聊天服务产品,旨在通过人工智能技术提供多样化的智能服务,包括文本问答、图片理解等。该产品使用腾讯混元大模型V1.7.6,能够生成文本、图片等多种形式的内容,为用户提供灵感和帮助。

  • LemonSpeak:自动化播客营销内容创作工具

    LemonSpeak是一个旨在帮助播客制作者从他们的播客剧集中创建营销内容的在线平台,通过自动化技术节省时间,提高播客的发现性。它通过转录、摘要、创建SEO优化标题、节目笔记、博客文章等,帮助播客制作者扩大在线观众群,提升搜索引擎优化,使播客在播客目录中更具吸引力。

  • Neolocus:利用AI技术,快速设计您的梦想家居空间。

    Neolocus是一个创新的在线设计平台,它利用人工智能技术帮助用户快速设计和装饰他们的生活空间。用户只需上传空间照片,选择风格偏好,Neolocus就能在一分钟内提供令人惊叹的渲染效果,并推荐相应的产品购买,实现梦想家居的构建。该平台不仅服务于个人用户,还特别为Airbnb房东提供服务,帮助他们吸引更多客户。Neolocus的技术背景包括在ROSHN PropTech Hackathon中获得金奖,成为沙特阿拉伯GAIA Cohort 1的一部分,并在2023年的Cityscape Global上展出。

  • Tap4 AI Web UI:开源AI工具目录,构建个性化AI工具平台。

    Tap4 AI Web UI是一个开源的AI工具目录,由Tap4 AI Tools Directory构建。该项目旨在帮助每个人轻松构建自己的AI工具目录。你可以fork项目,一键部署到Vercel,并通过项目中的dataList更新你自己的AI工具。

  • VastGaussian:Vast 3D Gaussians for Large Scene Reconstruction的非官方实现

    VastGaussian是一个3D场景重建的开源项目,它通过使用3D高斯来模拟大型场景的几何和外观信息。这个项目是作者从零开始实现的,可能存在一些错误,但为3D场景重建领域提供了一种新的尝试。项目的主要优点包括对大型数据集的处理能力,以及对原始3DGS项目的改进,使其更易于理解和使用。

  • Chat GPT 4o:免费向GPT 4o问任何问题并得到答案

    Chat GPT 4o是一个在线聊天平台,用户可以免费向GPT 4o提问并获得答案。它支持多语言,提供丰富的问答服务,并且能够与GPT-4、Claude3和Llama-3等其他AI模型进行结果对比。该平台的问答内容会公开显示,并可能被搜索引擎抓取。

  • THE ODD BIRDS AI PROJECT:AI驱动的动画和角色开发项目

    THE ODD BIRDS AI PROJECT 是由Arvid Tappert发起的一个创新项目,专注于利用人工智能技术进行动画短片创作、角色开发以及AI模型的构建和训练。该项目通过结合AI技术与艺术创作,探索了动画制作的新领域,为动画师和设计师提供了一种全新的工作方式。

  • AmbientGPT:在本地运行GPT-4和基础模型,无需上传屏幕上下文。

    AmbientGPT是一个革命性的编程辅助工具,它允许开发者在本地运行GPT-4和基础模型,同时能够直接推断屏幕上下文,从而无需手动上传上下文信息。这大大提高了代码编写和问题解决的效率。产品目前处于测试阶段,适用于拥有ARM64架构MacBook的开发者,并且需要一个兼容的OpenAI API密钥。

  • NeatEmoji:在网页上任何地方写入🌟,由AI生成表情符号。

    NeatEmoji是一个创新的Chrome插件,利用人工智能技术,允许用户在网页上的任何位置输入特定的字符(如🌟)来生成相应的表情符号。这项技术不仅为网页内容增添了趣味性,也为用户提供了一种全新的交互方式,使在线交流更加生动和个性化。NeatEmoji背后的AI技术能够智能识别用户输入的字符,并迅速生成相应的表情符号,极大地丰富了用户的在线体验。

  • hoop.dev:用户友好的Web数据库客户端,简化数据库访问,保障数据安全。

    hoop.dev是一个现代的、基于Web的数据库客户端,旨在简化数据库访问流程,同时不牺牲安全性。它通过AI数据掩码技术保护个人可识别信息,支持从浏览器即时登录访问数据库,无需安装等待。此外,它还提供实时更新和Slack集成,确保团队成员间的信息同步和安全。hoop.dev支持将脚本转化为无代码应用,通过链接Git仓库、嵌入变量来实现。它还提供了多种快速启动选项,如Kubernetes、Docker、Unix等,适用于金融科技、健康科技等高度监管的行业。

今日大家都在搜的词: