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!
一个可以自动分析PDF、网页、海报、Excel图表内容的大模型,对于打工人来说简直不要太方便。上海AILab,香港中文大学等研究机构提出的InternLM-XComposer2-4KHD模型让这成为了现实。IXC2-4KHD将多模态大模型支持的分辨率提升到了4K的水平,研究人员表示目前这种通过增加切块个数支持更大图像输入的策略遇到了计算代价和显存的瓶颈,因此他们计划提出更加高效的策略在未来实现�
在图像生成领域,精确控制图像的风格和特征一直是一个具有挑战性的问题。DreamWalk技术的出现为这一难题提供了解决方案,使得用户可以更加自由地决定图像中哪部分应该更加强烈地体现某种风格哪部分则保持原样或采用另一种风格。这一功能为用户提供了一种简单有效的方式,将他们的照片或收藏的图像转化为独特的艺术风格,从丰富了数字艺术的创作方式。
TheDebrief报道了一项有关AI图像平台Midjourney的研究,发现该平台意外生成了不适内容,违反了其自身的使用准则。Midjourney明确规定用户不得故意创建明确或性内容,以保持“PG-13”等级,并通过屏蔽特定关键词来实施严格的过滤。您可以通过电子邮件联系MJ,邮箱为mj@thedebrief.org,或在Twitter上关注他@mjbanias。
图像放大应用MagnificAI近期发布了新的升级内容。这次的升级将带来一系列新功能和改进,让用户能够更加灵活地使用这一强大的工具。这一举措也表明了MagnificAI对于用户体验和服务的重视,致力于为用户提供更好的产品和服务。
Perplexity现在可以根据用户的搜索内容和结果生成图片了。CEO表示他们即将推出图像生成服务。搜索完成后,用户可以点击右下角的“GenerateImage”按钮,然后选择风格,包括绘画、照片、插画和图表四种。
Google最近推出了一种新的图像生成技术,通过保证内容特征的一致性,可以生成具有相同视觉特征的连贯图像。这对于故事可视化、游戏开发和广告等领域非常重要,因为在生成过程中,角色或内容的一致性是必需的。这意味着模型将学习到特定角色的关键视觉特征,以便在未来的生成中更准确地重现这些特征。
微软Bing搜索平台集成了基于DALL-E3的图片生成式AI功能,让用户可以通过文字提示来生成图像。但是这项新功能很快就在用户的“测试”中出现了问题,他们尝试输入一些敏感词语,AI结果生成了涉及恐怖主义和侵犯知识产权的图像。尽管仍不完美,但微软此举显示出了一定程度约束自己技术的意图。
Brave网络浏览器的开发商BraveSoftware为了减少对「大型科技」竞争对手的依赖,该公司调整了其搜索引擎,使其能够使用自己的图像和视频索引。图片来自Brave该公司表示,BraveSearch的图像和视频结果将从其自己的索引中获取。LLM类似于助手的功能将非常有用,有助于用户掌控自己的浏览体验。
作为人工智能领域的一项显著进步,微软Azure认知服务研究中心和北卡罗来纳大学NLP团队的研究人员日前推出了CoDi,这是一种尖端的生成模型,能够跨多个领域无缝生成高质量内容。图片来自Microsoft这一突破性的发展为更全面地理解世界和人类理解提供了新的可能性,为沉浸式人机交互提供了平台,改变了人类与计算机的互动方式。微软CoDi模型包含演示和代码的项目页面位于�
对于AI生成内容,目前主要存在着两种声音。一种声音认为生成式人工智能的发展已成大势所趋,人类应该积极接受并学习如何使用它。除了隐私问题,这些“深度伪造”的内容还容易加速虚假信息的传播风险。
早在2013年,全世界每天会上传超过5亿张图片、上传20万小时长的视频到互联网。但是人们每天在Instagram分享近6000万张照片,在Facebook分享近3亿张——当然,还没算上Snapchat、 Google 、 Twitter等大量产图的应用。据估计,一年后就可达到18亿,所以在三年后的今天,这个数值必然远超乎我们的想象。确实,人们相比过去,互联网的数据每年都在爆炸式增长。IBM 的研究称,整个人类文明所获得的全部数据中, 有 90%是过去两年内产生的
根据研究团队发表的预印本文章,InstantMesh是由腾讯PCGARC实验室和上海科技大学的研究人员开发的人工智能框架,能够在仅需10秒的时间内,从单个2D图像生成高质量的3D网格。该开源框架由多视图扩散模型和3D网格重建模型组成,通过使用不同角度合成的3D视图来实现高质量的重建。这一技术有望显著提升3D行业生产力,尤其在视频游戏开发领域。
GitHub上的fofr/cog-become-image项目是一个创新的图像转换工具,它能够将任意人物的面部图像转换成另一种风格的图片。这项技术的应用范围非常广泛,包括但不限于艺术创作、媒体制作和娱乐行业。无论是专业开发者还是技术爱好者,都可以利用这个项目来实现创意图像的转换。
元象公司发布了首个多模态大型模型XVERSE-V,并将其开源。这一模型支持任意宽高比的图像输入,并在多个权威评测中取得了优异的成绩。除了图像识别,XVERSE-V还在多个实际应用场景中表现突出,包括信息图理解、视障场景处理、文本生成、教育解题等。
PuLID是一个新兴的ID保持项目,它在提升ID保持效果的同时致力于最小化对原始模型的影响。这一技术通过对比对齐的方式,实现了Pure和LightningID的自定义,既保持了高度的ID保真度,又有效减少了对原始模型行为的干扰。注:PuLID的代码和模型即将发布,敬请期待。
AdobePhotoshop的最新测试版现已引入一项革命性的功能,允许用户通过简单的文本提示,利用人工智能技术生成图像。该功能的核心在于Adobe新发布的生成式AI模型系列FireflyImage3。包括谷歌和微软在内的多家科技巨头都在AI领域取得了显著的进展和突破。
Adobe发布了Firefly图像生成模型的最新版本,名为FireflyImage3,声称具有“摄影细节”的图像生成能力。相比之前的版本,这一第三代模型在图像生成能力上有了显著的改进。即使是新手用户也可以在Photoshop中游刃有余,并更快地成为高级用户,PhotoshopgentechAI产品管理总监JohnMetzger表示。
AdobePhotoshop迎来了一次重大更新,通过集成AdobeFireflyImage3Model,引入了多项新的AI功能,这些功能大幅提升了图像编辑的深度与灵活性。这次的更新不仅优化了图像生成的过程让用户能够以前所未有的控制度和精准度实现其创意构想。这些新的AI功能的引入,无疑将为Photoshop用户带来更高效、更精准的图像编辑体验。
字节跳动的Lightning团队发布的新图像模型蒸馏算法Hyper-SD,是一项在图像处理和机器学习领域的重要进展。这项技术通过创新的方法提升了模型在不同推理步骤下的性能,同时保持了模型大小的精简。随着进一步的研究和开发,Hyper-SD及其衍生技术有望在多个领域内推动AI技术的发展和应用。
Midjourney发布了一个有趣的功能,可以基于提示词生成完全随机的图像风格。使用方式:在提示词后添加--srefrandom,如果找到了喜欢的风格可以通过--srefurl将风格迁移到新图片上。无论是个人创作还是与他人合作,Midjourney的新功能都将为用户提供更多创作灵感和交流的机会。
Midjourney最近推出了一个有趣的新功能——Room,为用户提供了一个协作和社交平台。在这个功能中,用户可以一起创建和分享图像,并参与实时聊天。Midjourney通过引入Room功能,为用户提供了一个探索、合作和分享他们人工智能艺术创作过程的平台。
当用户在与MetaAI的聊天中开始输入文本到图像的提示时,将看到随着添加更多关于想创建的内容的细节,图像如何变化。在Meta分享的示例中,一个用户输入了提示:“想象一场在火星上进行的足球比赛。这一新功能是Meta在其所有应用程序中推出AI功能的一部分,包括WhatsApp、Instagram、Facebook和Messenger。
OpenAI宣布关闭DALL-E2图像生成器服务,由其后续产品DALL-E3替代。DALL-E2在2022年4月面世后不久,以其能够根据简单文本提示生成高质量图像一举成名。但为了安全起见,大家可能需要下载自己特别喜欢的任何内容。
在计算机视觉和图形学领域,材质迁移技术一直是研究的热点之一。牛津大学、StabilityAI和MITCSAIL的研究团队共同开发了一种名为ZeST的创新方法,它能够在无需任何先前训练的情况下,实现从一张图像到另一张图像中对象的材质迁移。研究团队将继续探索如何将ZeST扩展到更广泛的应用领域,并进一步提升其性能和效果。
2txt是一个基于AI的图像转文字工具,使用ClaudeHaiku和VercelAISDK创建。这个工具不仅可以将任意图像上的文字识别出来能将其转换成可编辑的文本格式。用户只需上传图片,系统就会自动识别图片中的文字,并将其转换成可编辑的文本格式,极大地提高了工作效率。
北大和字节联手搞了个大的:提出图像生成新范式,从预测下一个token变成预测下一级分辨率,效果超越Sora核心组件DiffusionTransformer。并且代码开源,短短几天已经揽下1.3k标星,登上GitHub趋势榜。他硕士毕业于浙江大学,目前的研究重点是视觉基础模型、深度生成模型和大语言模型。
北大与字节跳动AILab联合提出了一种图像生成新范式——VAR,这一新方法的核心在于预测下一级分辨率非传统的预测下一个token。VAR的提出不仅在图像生成质量上超越了Sora的核心组件DiffusionTransformer在推理速度上也实现了20倍以上的提升。VAR的开源也体现了学术界与工业界合作的积极成果,有助于推动整个AI领域的发展和创新。
Adobe的图像生成AI“Firefly”以其训练集来源自AdobeStock中的图片和视频闻名。美国经济报纸彭博社报道称,Firefly的数据集实际上包含由Midjourney等公司生成的图像。”然,Tushnett教授指出,Firefly学习自Midjourney生成的图像的事实与其声称与其他图像生成AI不同的说法相矛盾。
强固型边缘计算人工智能平台厂商Neousys宸曜科技发布了一条新的基于JetsonOrinNX的产品线,为现有标准架构机器视觉系统或监控系统提供人工智能算力升级。新的产品线在外形和尺寸上有2种选择,包括2张智能图像采集卡PCIe-NX150系列,和2款扁平散热片边缘计算人工智能平台NRU-150-FT系列。注:文中品牌名称和注册商标是其各自所有者的财产。
Meta与德国慕尼黑工业大学研发出创新模型ViewDiff,旨在帮助用户通过文本、图像或二者结合使用,快速生成高质量多视角3D图像。该模型解决了传统文本生成多视角3D图像领域的三大难点:无法生成真实背景环境、图像质量和多样性不理想、缺乏多视角和一致性。该模型的推出不仅在技术层面上具有重大意义,也将为未来的3D图像生成领域带来更多创新可能。