谷歌发布时间感知框架MUSCATEL:图像识别准确率提升15%
谷歌AI团队最近发布了一项名为MUSCATEL的全新时间感知框架,旨在对抗概念漂移问题,提升图像识别准确率。概念漂移一直是机器学习领域的难题,即数据分布随时间变化,影响模型持续有效性。谷歌发布的MUSCATEL方法为机器学习领域的概念漂移问题提供了一种创新的解决方案,为模型在大规模、动态数据集中持续准确地进行分类提供了新的思路和方法。
Anthropic计划为Claude增加图像识别能力
Anthropic公司近期宣布计划为其聊天机器人Claude增加图像识别功能,从使其具备分析图像的能力。Anthropic的开发团队正在致力于赋予Claude分析图像的能力,这是Claude相对于竞争对手ChatGPT和Bard所缺乏的特性之一。随着人工智能技术的不断发展,我们可以期待更多类似的创新,推动整个行业不断向前发展。
三星Galaxy AI发布了款AI手机Galaxy S24:支持语言理解、图像识别等AI多模态能力
2024年1月18日凌晨,三星在举办了GalaxyAI全球新品发布会,宣告GalaxyS24系列的登场,应用了谷歌Gemininano大模型共同迎接“GalaxyAI时代”的到来。除了这个模型,GalaxyS24的一些功能还受益于谷歌Imagen2模型,将文本到图像的能力植入手机。S24、S24的起售价为115.5万韩元、135.3万韩元Ultra版则以169.84万韩元起售。
图像转文字工具2txt 可识别图像中文字并转换为可编辑文本
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。
Imagen A Texto官网体验入口 AI图像转换工具在线OCR识别
ImagenATexto是一个在线工具,可以将图像转换为可编辑的文本。它使用先进的OCR技术,确保准确提取图像中的文本。通过先进的OCR技术,ImagenATexto能够准确识别图像中的文字,并提供编辑功能。
视觉编码器VCoder:提高模型在识别图像方面的能力
VCoder是一个视觉编码器,旨在提高多模态语言模型在识别图像中的对象和理解图像场景方面的能力。它能够帮助模型更好地理解和分析图像内容。在与其他模型的比较中,VCoder在对象计数和识别方面表现出色,特别是在复杂场景中。
新ID保持项目PuLID:图像背景、光线、风格等均保持高度一致
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。
Photoshop测试版推出AI图像生成功能:用户仅需提供简单文本
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发布新一代图像生成模型Firefly Image3,号称迄今为止最好
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。
Photoshop重大更新!集成Adobe Firefly Image 3 Model 图像灵活度提升
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。
字节跳动发布图像模型蒸馏算法Hyper-SD 推理速度更快更完美
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random功能 可基于提示词生成完全随机的图像风格
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。
轻松拿捏4K高清图像理解!这个多模态大模型自动分析网页海报内容,打工人简直不要太方便
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�
Midjourney推出新功能Room 用户可在聊天室中一起创作图像
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。
Meta 在 WhatsApp 中加入实时AI图像生成功能
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图像生成器DALL-E2停止服务,DALL-E3接替其位置
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。
ZeST:可将一图像的材质迁移到另一图像上
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。
北大字节开辟图像生成新范式,超越Sora核心组件DiT,不再预测下一个token
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。
北大字节提出图像生成新范式VAR 超越Sora核心组件DiT
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图像生成AI “Firefly” 训练集中约有5%为AI图像
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。