公号机器学习与AI生成创作的博客

按发布时间
按阅读量
2023年06月 23篇

全部1912篇
2024年79篇 08月4篇 07月1篇 06月8篇 05月14篇 04月8篇 03月8篇 02月21篇 01月15篇 2023年258篇 12月23篇 11月7篇 10月33篇 09月15篇 08月14篇 07月41篇 06月23篇 05月52篇 04月20篇 02月5篇 01月25篇 2022年332篇 12月31篇 11月52篇 10月25篇 09月27篇 08月42篇 07月16篇 06月4篇 05月18篇 04月102篇 03月10篇 01月5篇 2021年1243篇 12月25篇 11月38篇 10月24篇 09月39篇 08月63篇 07月1054篇
推荐/精选
全部

全部原创转载翻译

照片泄漏被AI训练？让你的图像拒绝给AI学习！

介绍的是一篇收录于 ICML 2023 Oral 的论

人工智能

学习

深度学习

机器学习

计算机视觉

转载 2023-06-27 16:26:48 2621 阅读

CVPR 2023 | 会模仿笔迹的AI，为你创造专属字体

前言来自华南理工大学、新加坡国立大学、香港理工大学以及

人工智能

编码器

模态

离线

转载 2023-06-27 16:26:42 2540 阅读

MIMIC-IT：280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集...

本文来源机器之心编辑：蛋酱在包含 280 万条多模态上下文指令 - 相应对的数据集上训练之后

人工智能

机器学习

深度学习

计算机视觉

算法

转载 2023-06-27 16:25:16 1366 阅读

CVPR 2023 | 视频AIGC，预测/插帧/生成/编辑

1、A Dynamic Multi-Scale Voxel Flow Network for Video Prediction视频预测（video prediction）的性能已经通过先进的深度神经网络大幅提高。然而，大多数当前的方法存在着大的模型尺寸和需要额外的输入（如，语义/深度图）以实现良好的性能。出于效率考虑，本文提出了一个动态多尺度体素流网络（Dynamic Multi-scale Vo

音视频

AIGC

人工智能

机器学习

深度学习

原创 2023-06-25 11:50:50 1596 阅读

如何沟通，机器也讲究！OpenAI官方提问技巧，GPT-4最全攻略来袭！

仅普通GPT-4用户可以在这份秘籍中get提示技巧，或许应用开发者也可以找到些许灵感。网友们纷纷评论，给出了自己的“读后感”：好...

解决方案

API

推理过程

转载 2023-06-25 11:50:23 917 阅读

视觉图像的通用智能：基于GPT和大语言模型思考

作者丨谢凌曦距离上次的长篇大论，已经过去了半年有余。这段时间，对于AI业界甚至整个世界，都是惊心动魄的。在这段时间里，最令人印象深刻的大事莫过于ChatGPT和GPT-4的发布。毫无疑问，GPT-4是有史以来最为强大的AI程序。在随后发表的一篇论文[1]中，学者们将GPT-4称为通用人工智能（AGI）诞生的火花。诚然，每个人对于AGI的定义不尽相同，现阶段的GPT也尚未真正解决AI领域的所有难题；

gpt

语言模型

人工智能

深度学习

自然语言处理

转载 2023-06-25 10:44:17 934 阅读

CVPR 2023 | 图像超分，结合扩散模型/GAN/部署优化，low-level任务，视觉AIGC系列

1、Activating More Pixels in Image S

生成对抗网络

AIGC

人工智能

神经网络

深度学习

原创 2023-06-24 09:38:31 1255 阅读

ControlNet 艺术二维码：画出可扫码插画，内容链接任意指定

条就能刷出这些二维码照片，下面全是一片“竟然扫出来了”的惊叹声。最关键的是，这些照片并非手动绘制，而是用Sta...

二维码

计算机视觉

深度学习

转载 2023-06-18 17:42:13 1619 阅读

Video-LLaMA：给大语言模型赋予视听觉能力

耳朵”，让它能够理解视频，陪着用户互动呢？从这个问题出发，阿里达摩院的研究人员提出了 Video-LLaMA，一个...

llama

语言模型

人工智能

计算机视觉

深度学习

转载 2023-06-18 17:38:38 1570 阅读

继万物分割SAM之后，万物识别模型RAM来了！

析获得图像标签。随后，通过统...

人工智能

深度学习

机器学习

计算机视觉

原创 2023-06-18 00:41:18 1809 阅读

UniControl：条件可控的图像生成，通用统一

Salesforce AI、东北大学、斯坦福大学的研究者提出

人工智能

深度学习

计算机视觉

机器学习

神经网络

转载 2023-06-11 06:03:01 2322 阅读

向社会输出人才提供论证！阿里：GPT-4 vs 年薪60万数据分析师，成本只占0.45%

梦晨发自凹非寺量子位 | 公众号 QbitAIGPT-4替代成本GPT-4替代初级数据分析

人工智能

数据分析师

数据

数据分析

转载 2023-06-11 06:02:27 1761 阅读

整理了43篇AI生物中蛋白质结构、算法模型、临床数据三大热门领域的相关论文...

人工智能

深度学习

转载 2023-06-08 22:29:55 2108 阅读

Transformer接管大模型？RNN说 NO！

梦晨衡宇量子位 | 公众号 QbitAIChatGPT爆火以来，大语言模型和Transformer几乎成了同义词，然而真的如此吗？刚刚，一个由国人主导，总共27所大学、研究机构和公司组成的开源研究团队，联名发表重磅论文《RWKV：在Transformer的时代重新发明RNN》，受到学术界大量关注。RWKV就是论文中提出的新深度学习模型架构，以循环神经网络RNN为基础魔改而来。实际上RWKV模型

transformer

rnn

深度学习

人工智能

机器学习

转载 2023-06-08 22:28:37 1881 阅读

汇总解析 | 基于GPT的图文理解问答

作者胡安文单位中国人民大学-AI·M3实验室研究方向多模态引言今年 3 月 14 日，OpenAI 发布了 GPT-4 多模态大模型，但是仅公开了文本能力的接口，迟迟未向公众开放体验多模态能力。学术界和工业界立刻跟进研究并开源多模态大模型的相关工作。目前热度最高的三个同期工作依次是 LLaVA [1]、MiniGPT-4 [2] 和 mPLUG-Owl [

gpt

人工智能

深度学习

神经网络

自然语言处理

转载 2023-06-08 22:27:12 1977 阅读

人人都是绘画大师！微软必应接入DALL·E模型，文字生成图像！

微软必应完善文字生成图像能力，Adobe 今日也发布 Firefly，杀入生成式 AI 这场游戏。今晚实在是有些热闹。一边英伟达 GTC 正在进行中，一边谷歌正式开放了 Bard 的测试，这里微软必应也不甘寂寞。今日，微软正式宣布，必应搜索引擎接入了 OpenAI 的 DALL·E 模型，增加了 AI 生成图像的功能。也就是说，在接入 ChatGPT 之后，必应再次强化，Bing Image Cr

microsoft

人工智能

必应

Image

生成式

转载 2023-06-08 22:26:01 1461 阅读

10 分钟被骗 430 万背后，AI 换脸 + 换声泛滥。视频语音未必可信，需深入询问、加暗号验证。。...

整理 | 郑丽媛在 ChatGPT 的“点火”下，这趟名为 AI 的列车已逐渐从幕后驶向台前，吸引了不少人的关注和“搭乘”——而科技，向来是一把双刃剑。俗语有言，“耳听为虚，眼见为实”，可如今在 AI 的影响下，“眼见”也不一定为“实”了：近日，一骗子通过智能 AI 换脸和拟声技术，使某科技公司老板在 10 分钟内被骗了 430 万元。有网友感慨：“当年看《黑镜》，总觉得荒

人工智能

音视频

深度学习

计算机视觉

微信

转载 2023-06-08 22:24:36 1431 阅读

Make-A-Protagonist：随心所欲改变视频主角？！

只要一张参考图片，普通人也可以替换成视频的主角随着扩散模型的发展，基于输入文本生成高质量的图片和视频已经成为现实，但是仅使用文本生成视觉内容的可控性有限。为了克服这个问题，研究人员们开始探索额外的控制信号和对现有内容进行编辑的方法。这两个方向在一定程度上实现了生成过程的可控性，但仍然需要依赖文本来描述目标生成内容。在实际应用中，我们面临着一个新的需求：“如果用户想要生成的内容无法用语言描述呢？”

人工智能

深度学习

计算机视觉

机器学习

神经网络

转载 2023-06-08 22:24:18 1372 阅读

多模态扩散模型 Any-to-Any 生成：文本、图像、视频、音频

机器之心编辑：陈萍、杜伟一种模型统一多种模态实现了。给定一句话，然后让你想象这句话在现实场景中的样子，对于人类来说这项任务过于简单，比如「一辆进站的火车」，人类可以进行天马行空的想象火车进站时的样子，但对模型来说，这可不是一件容易的事，涉及模态的转换，模型需要理解这句话的含义，然后根据这句话生成应景的视频、音频，难度还是相当大的。现在，来自北卡罗来纳大学教堂山分校、微软的研究者提出的可组合扩散（

音视频

人工智能

计算机视觉

模态

编码器

转载 2023-06-03 02:06:33 2302 阅读

落地部署神器？13层网络拿下83%精度，华为诺亚新型神经网络架构VanillaNet「简约」到极致...

机器之心编辑部深度学习模型架构越复杂越好吗？自过去的几十年里，人工神经网络取得了显著的进展，这归功于一种理念：增加网络的复杂度可以提高性能。从 AlexNet 引爆了深度学习在计算机视觉的热潮后，研究者们为了提升深度网络的性能，精心地设计出了各种各样的模块，包括 ResNet 中的残差，ViT 中的注意力机制等。然而，尽管深层的复杂神经网络可以取得很好的性能，但他们在实际应用中的推理速度往往会受到

神经网络

深度学习

人工智能

机器学习

计算机视觉

转载 2023-06-03 02:06:20 1805 阅读

CVPR 2023 | 去雨去噪去模糊，图像low-level任务，视觉AIGC系列

oken与...

AIGC

深度学习

人工智能

计算机视觉

神经网络

原创 2023-06-03 02:06:06 3102 阅读

DreamGPT：让ChatGPT活在梦里！利用幻觉来激发创意灵感

编辑：LRS【新智元导读】语言模型幻觉从bug变feature！ ChatGPT最为人诟病的缺陷就是「胡编乱造」了，可以一本正经地讲一段林黛玉倒拔垂杨柳的故事。对于真正想了解「林黛玉」或「倒拔垂杨柳」的人来说，这段回答可以说是灾难级误导了，但对于专注于「虚构」和「创意」的从业者来说，天马行空幻觉反而可以激发创造力。最近DivergentAI开源了DreamGPT，也是首个尝试利用大型

chatgpt

JSON

ide

生成器

转载 2023-06-03 02:05:54 1726 阅读

CVPR 2023 | 风格迁移论文3篇简读，视觉AIGC系列

CAP-VSTNet: Content Affinity Preserved Versatile Style Transfer内容相似度损失（包括特征和像素相似度）是逼真和视频风格迁移中出现伪

AIGC

计算机视觉

人工智能

深度学习

机器学习

原创 2023-06-03 00:01:57 2168 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

mb60e8123127ed0的博客

照片泄漏被AI训练？让你的图像拒绝给AI学习！

CVPR 2023 | 会模仿笔迹的AI，为你创造专属字体

MIMIC-IT：280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集...

CVPR 2023 | 视频AIGC，预测/插帧/生成/编辑

如何沟通，机器也讲究！OpenAI官方提问技巧，GPT-4最全攻略来袭！

视觉图像的通用智能：基于GPT和大语言模型思考

CVPR 2023 | 图像超分，结合扩散模型/GAN/部署优化，low-level任务，视觉AIGC系列

ControlNet 艺术二维码：画出可扫码插画，内容链接任意指定

Video-LLaMA：给大语言模型赋予视听觉能力

继万物分割SAM之后，万物识别模型RAM来了！

UniControl：条件可控的图像生成，通用统一

向社会输出人才提供论证！阿里：GPT-4 vs 年薪60万数据分析师，成本只占0.45%

整理了43篇AI生物中蛋白质结构、算法模型、临床数据三大热门领域的相关论文...

Transformer接管大模型？RNN说 NO！

汇总解析 | 基于GPT的图文理解问答

人人都是绘画大师！微软必应接入DALL·E模型，文字生成图像！

10 分钟被骗 430 万背后，AI 换脸 + 换声泛滥。视频语音未必可信，需深入询问、加暗号验证。。...

Make-A-Protagonist：随心所欲改变视频主角？！

多模态扩散模型 Any-to-Any 生成：文本、图像、视频、音频

落地部署神器？13层网络拿下83%精度，华为诺亚新型神经网络架构VanillaNet「简约」到极致...

CVPR 2023 | 去雨去噪去模糊，图像low-level任务，视觉AIGC系列

DreamGPT：让ChatGPT活在梦里！利用幻觉来激发创意灵感

CVPR 2023 | 风格迁移论文3篇简读，视觉AIGC系列