ChatGPT/AI 第2页

LMMs-Eval:多模态AI模型的统一评估框架

FGJ博客 发布于 2024-09-01

LMMs-Eval是一个专为多模态人工智能模型设计的评估框架,旨在提供标准化、全面和成本效益高的性能评估解决方案。它涵盖超过50个任务和10种模型,通过透明且可复现的评估流程,帮助研究者和开发者深入理解模型的能力。LMMs-Eval包含两个重要组件:LMMs-Eval Lite,...

MooER:首个国产音频理解大模型

FGJ博客 发布于 2024-09-01

一、MooER概述 MooER是由摩尔线程研发的首个基于国产全功能GPU训练的开源音频理解大模型。该模型具备多项功能,包括中文和英文的语音识别、语音翻译等,在全行业中具有显著的应用价值。MooER在Covost2中译英测试中取得了25.2的BLEU分数,接近工业级效果。这一成果表...

StockBot:基于Llama3的AI金融助理,提升股票投资决策的效率

FGJ博客 发布于 2024-09-01

StockBot,是一款基于Llama3的AI金融助手,旨在通过提供实时的股票信息、财务数据、新闻及互动图表,帮助用户在多种资产市场中提升投资效率。该工具能利用自然语言与用户进行交流,为其提供定制化的金融分析和数据可视化。 StockBot的主要功能 实时AI聊天支持 用户可以通...

HeadGAP:字节跳动的3D头像生成模型

FGJ博客 发布于 2024-08-31

HeadGAP是由字节跳动与上海科技大学联合开发的一款3D头像生成模型。该技术能够在不需要大量图片的情况下,仅依据少量图像(甚至一张)快捷而高效地生成逼真的3D头像。其采用了一个包含先验学习和个性化创建阶段的框架,基于大规模多视角动态数据集提取3D头部的先验信息。通过高斯Spla...

Bark:Suno AI 开发的开源文本转音频模型

FGJ博客 发布于 2024-08-30

Bark是Suno AI推出的一款开源文本到音频模型,具有生成自然逼真语音的能力,支持多种语言及丰富的音频类型。除了语音,Bark还可以生成音乐、背景噪音等其他音频元素,甚至可以模拟非语言交流的声音,如笑声和哭泣。该模型提供了预训练的版本,方便用户进行研究和商业应用。 Bark的...

GPT Pilot:您的AI编程助理

FGJ博客 发布于 2024-08-30

GPT Pilot是一款创新的AI编程工具,旨在模仿人类开发者的工作流程,为用户提供从零开始构建应用程序的支持。它能够编写代码、调试程序、开展用户讨论,甚至请求代码审查,成为真正的AI开发伙伴。该工具支持多种使用方式,包括VS Code扩展、命令行工具和Docker容器,帮助开发...

Imagine Yourself – Meta公司推出的个性化AI图像生成模型

FGJ博客 发布于 2024-08-29

Imagine Yourself 是Meta公司推出的个性化AI图像生成模型,突破了传统方法的局限,无需对每个用户进行单独调整,通过单一模式即可满足不同用户需求。模型采用合成配对数据生成和并行注意力架构,有效提高图像质量和多样性,同时保持身份保护和文本对齐。在复杂提示词处理上,其...

Sapiens – Meta推出的AI视觉模型,能理解图片和视频中的人类动作

FGJ博客 发布于 2024-08-28

Sapiens是Meta实验室推出的AI视觉模型,专为理解图片和视频中的人类动作设计。支持二维姿势预估、身体部位分割、深度估计和表面法线预测等任务,采用视觉转换器架构。模型参数从3亿到20亿不等,原生支持1K高分辨率推理,易于针对不同任务调整。即使在标注数据稀缺的情况下,Sapi...

GaussianEditor – 一种3D编辑算法,支持快速且精确地修改3D场景

FGJ博客 发布于 2024-08-28

GaussianEditor 是一种基于高斯飞溅(Gaussian Splatting)的3D编辑算法,支持用户快速而精确地修改3D场景。通过高斯语义跟踪和分层高斯飞溅,提供了高度的编辑控制和稳定性,同时保持了渲染质量。编辑过程通常只需5-10分钟,显著提高了3D编辑的效率。这项...