最新的技术突破使得我们几乎可以通过在Diffusion Transformer中使用token替换来实现对任何图像的个性化，而无需进行额外的微调或训练。这一创新方法不仅大大简化了个性化图像的生成过程，还显著提高了效率。Diffusio...

谷歌DeepMind近日发布了Gemini Robotics和Gemini Robotics-ER两款AI模型，显著提升了机器人的精细运动技能和现实应用中的适应性。Gemini Robotics整合了视觉、语言与行动能力，使机器人能够完成如折纸等复杂任务。初...

Stability AI近日发布了一款强大的多视角虚拟相机系统，该系统能够实现新颖视图合成（Novel View Synthesis），为用户提供了一种高效且非商业化的解决方案。虽然该技术尚未达到行业最先进水平，但其优势在于仅需两次...

Roblox近日宣布开源其生成式AI系统Cube，该系统专注于3D和4D模型的生成。Cube的Beta版本将被集成到Roblox Studio中，并作为Lua API供开发者使用。这一重大技术突破不仅展示了Roblox在生成式AI领域的深厚积累，更预示...

近日，Sesame发布了一款1B规模的对话语音生成模型，并在GitHub上开源了其Apple原生MLX版本。该版本专为在MacBook等苹果设备上高效运行而优化，展示了机器学习在移动设备上的应用潜力。MLX是苹果公司推出的机器学习框...

MMS-LLaMA是一款高效的多模态语音大语言模型框架，专注于自动视觉语音识别（AVSR），在优化标记长度的同时保留了语言内容。该框架通过整合视觉和语音数据，提供了一种全新的方法来提升语音识别的准确性和效率。MMS-L...

近日，DriveLMM-o1项目发布了一款全新的数据集和基准测试，旨在提升自动驾驶系统中逐步视觉推理的准确性和决策能力。该数据集通过模拟复杂的驾驶场景，为人工智能驱动的自动驾驶技术提供了更加精细的视觉推理支持。D...

UiPath近日宣布收购Peak.ai，以加强其针对零售和制造业等垂直行业的AI与自动化服务。尽管UiPath近期面临营收挑战并下调了业绩预期，但公司希望通过Peak.ai的决策型AI能力来提升交叉销售机会并扩大市场份额。此次收购...