斯坦福大学教授、AI领域权威专家李飞飞在最新演讲中指出，空间智能（Spatial Intelligence）是人工智能发展的下一个关键突破口。这段发布在YouTube的演讲视频（观看量已超26万）引发了技术社区的广泛讨论，Hacker Ne...

FLUX.1 Kontext [dev]作为一款拥有120亿参数的开源模型，突破性地在消费级硬件上实现了媲美商业闭源软件的图像编辑性能。该模型采用FLUX.1非商业许可协议开放权重，为学术研究和非商业应用提供免费访问权限。技术亮...

视觉AI平台服务商Bria推出新一代开源文本生成图像（T2I）模型，其技术突破引发行业关注。该模型仅用4B参数即实现与Adobe Firefly 4.0和Flux[Dev]相当的生成质量，同时模型体积缩减67%。核心技术亮点包括：集成Contro...

NVIDIA实验室最新发布的PS3技术，通过选择性编码（selective encoding）实现了高达4K分辨率的视觉预训练，为VILA-HD模型提供了技术基础。这一突破显著提升了计算机视觉领域的高分辨率数据处理能力，解决了传统方法在...

Meta近日正式推出V-JEPA 2视觉世界模型，该技术突破性实现了AI代理对物理环境的动态推理能力。作为Yann LeCun团队世界模型研究的最新成果，V-JEPA 2通过自监督学习架构，使AI系统能够基于视频输入预测物理交互结果。...

LLaVA-STF项目通过创新的相邻令牌合并技术和多区块令牌融合模块，成功将视觉令牌序列压缩75%，显著提升了多模态推理效率。该技术突破性地解决了视觉语言模型中长序列处理带来的计算资源消耗问题，通过动态合并语义相...

Meta研究团队最新提出的零样本嫁接（zero-shot grafting）方法，通过从大型语言模型（LLM）的浅层中提取小型代理模型来训练视觉编码器，实现了视觉语言模型（VLM）训练成本降低约45%的突破。该技术不仅显著降低了计...

PixelFlow是近期在GitHub上开源的一个创新图像生成模型，其最大特点是直接在像素空间生成图像，无需依赖变分自编码器（VAE）。这一技术突破带来了显著的图像质量提升和更精细的语义控制能力，同时在生成效率和基准测...