谷歌研究团队近日宣布其医疗对话AI系统AMIE（Articulate Medical Intelligence Explorer）取得重大升级，新增医学影像分析功能。这一突破性进展使AMIE在基于聊天的诊断过程中能够同步解读X光片、CT扫描等医学影像，...

Gemini作为谷歌推出的多模态AI模型，其视觉能力一直备受业界关注。最新研究发现，Gemini在图像分割这一计算机视觉核心任务上展现出惊人的易用性。图像分割技术可将数字图像分解为多个具有语义意义的区域，是自动驾驶...

视觉几何基础Transformer（Visual Geometry Grounded Transformer，简称VGGT）是一种前馈神经网络，能够直接从场景的一个、几个甚至数百个视角中推断出所有关键的3D属性，包括外部和内部相机参数、点云图、深度图以...

在最新的技术探索中，研究人员提出了一个引人深思的问题：What if Eye...? 这一问题不仅挑战了我们对视觉技术的传统认知，还开启了对未来视觉系统可能性的广泛讨论。通过结合先进的LLM和agent技术，科学家们正在开发...

近日，GitHub上发布了一款名为SurgeNet的创新性手术基础模型，该模型在外科计算机视觉领域树立了新的标杆。SurgeNet通过先进的深度学习技术，能够高效处理复杂的手术场景数据，为外科医生提供更精准的视觉辅助。该模...

IMG_0001近日被揭示为一项颇具潜力的图像处理技术，它能够通过先进的算法优化图像质量，提升视觉体验。IMG_0001技术的突破性在于其能够识别并改善图像中的局部模糊、色彩失真等问题，同时保持图像的真实感和自然度。...

Apple Vision Pro作为一款创新的AR/VR设备，正在重新定义旅行体验。通过其高级的视觉技术，用户可以在出发前就提前探索目的地，享受身临其境的感受。Apple Vision Pro的LLM和embedding技术，使得用户能够与虚拟导游...

研究人员宣布了一个新的数据集，其中包含了一个拥有1万亿令牌的多模态数据集。该数据集包括图像、音频和文本数据，并可用于训练人工智能算法。通过使用这个数据集，研究人员可以更好地理解人类语言和视觉系统的工作...