近日，Luma Labs在GitHub上开源了一个名为感应矩匹配（Inductive Moment Matching, IMM）的项目，该项目通过一种新的矩匹配框架，为连续数据的扩散模型提供了一种统一且简化的解决方案。这一技术不仅显著减少了生成...

近日，GitHub开源项目LM-Implicit-Reasoning引发了广泛关注。该研究深入探讨了语言模型在逐步隐式推理方面的表现，揭示了其在处理包含变量作为减数的表达式时的泛化能力不足的问题。语言模型在自然语言处理（NLP）领...

近日，TaylorSeer团队提出了一种利用泰勒级数扩展来预测扩散模型中未来时间步特征的新方法，显著减少了特征缓存中的误差。扩散模型在生成图像、声音和其他复杂数据方面表现出色，但其计算复杂度和资源消耗一直是制约...

谷歌近日发布了Gemma 3模型的权重和技术报告，这一模型共有四种规模，其性能与Gemini 1.5 Pro相当。Gemma 3不仅在多语言处理上表现出色，能够理解超过140种语言，还被认为是接近当前最先进的密集模型之一。这一发布...

DeepMind近日发布了名为TIPS的新型图像-文本模型，专为密集型和全局视觉任务设计。该模型通过结合对比学习与掩码图像建模技术，并利用合成字幕进行训练，显著提升了空间感知能力。在多项基准测试中，TIPS的表现均超...

在计算机视觉和人工智能领域，3D重建技术一直是一个重要的研究方向。最近，GitHub上出现了一个名为“Perception Efficient Reconstruction”（PE3R）的项目，该项目将文本查询功能与从图像中进行3D重建的技术相结合，...

YoloE 是一种创新的小型视觉模型，能够通过多种方式进行提示，以实现开放词汇检测。这意味着用户可以使用类别、图像和文本来决定模型应该检测的内容。特别值得一提的是，YoloE 的运行速度高达 300 帧每秒（fps），使...

在最新的研究进展中，科学家提出了一种广义离散扩散方法，该方法显著改进了在文本等离散数据上的扩散过程。这一创新通过引入一种广义的去噪过程和略微改进的掩码方案，使得训练过程更加高效，并赋予了模型自我校正输...