Grok图像理解功能上线，单挑ChatGPT结果惊人！无地标照片秒定位，18世纪手稿一眼识别
Grok图像理解功能上线，单挑ChatGPT结果惊人！无地标照片秒定位，18世纪手稿一眼识别能识别并转录18世纪手稿、还能推测无地标照片拍摄地……马斯克本人也出来官宣：Grok现在能够理解图像了！
来自主题: AI资讯
6364 点击 2024-10-29 14:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
能识别并转录18世纪手稿、还能推测无地标照片拍摄地……马斯克本人也出来官宣：Grok现在能够理解图像了！
LLM统一了语言生成任务，图像生成可以吗？就在刚刚，智源推出了全新扩散模型架构OmniGen，单个模型就能生成图像，彻底告别繁琐工作流！
PUMA（emPowering Unified MLLM with Multi-grAnular visual generation）是一项创新的多模态大型语言模型（MLLM），由商汤科技联合来自香港中文大学、港大和清华大学的研究人员共同开发。它通过统一的框架处理和生成多粒度的视觉表示，巧妙地平衡了视觉生成任务中的多样性与可控性。
随着2024年生成式AI大爆发，推理端成本呈指数级激增，推动了泛智能硬件端持续增长，“端云混合AI部署”模式正走向主流，端侧智能则加速了终端“换机热潮”：AI PC、AI手机、AIoT设备、智能座舱。
2024 年 10 月 23 日 NVIDIA 创始人兼首席执行官黄仁勋携手丹麦国王启动该国最大 AI 超级计算机，旨在实现量子计算、清洁能源、生物技术等领域的突破，服务丹麦社会乃至全球。
首款M4 Mac、「全世界最好的AI一体机」终于来了！同时，苹果AI也正式上线，iOS 18.1、iPadOS 18.1和macOS Sequoia 15.1用户，已经可以体验首批Apple Intelligence功能了……库克直呼：激动人心的新时代开始了！
大型语言模型（LLM）的出现统一了语言生成任务，并彻底改变了人机交互。然而，在图像生成领域，能够在单一框架内处理各种任务的统一模型在很大程度上仍未得到探索。近日，智源推出了新的扩散模型架构 OmniGen，一种新的用于统一图像生成的多模态模型。
在当前内卷严重的实时目标检测 (Real-time Object Detection) 领域，性能与效率始终是难以平衡的核心问题。绝大多数现有的 SOTA 方法仅依赖于更先进的模块替换或训练策略，导致性能逐渐趋于饱和。
Grok 大模型终于能看懂图像了。
Clout Kitchen定位“APP工厂”，四个月前推出首款AI游戏伙伴，主打借助AI浪潮颠覆传统游戏行业，构建与平台游戏主播、职业选手的互动体验，赋予主播等类型创作者时间双线性价值，以及用户更好的游戏体验。