这是Google DeepMind推出Gemini Diffusion：不同于以往大多数语言模型“从左到右”预测文本的生成方式，而是通过逐步优化噪声来学习生成输出。

WWW是互联网、人工智能和交叉综合领域最具影响力的国际学术会议之一，同时也是中国计算机学会推荐的A类国际学术会议，至2025年已成功举办34届。该会议每年汇聚全球互联网、人工智能、数据挖掘和信息检索等领域的顶尖学者与专家，围绕前沿理论与技术展开深入交 ...

随着新能源汽车产业的持续发展，智能驾驶辅助技术的应用越来越广泛。其中，基于纯视觉的自动驾驶方案只需使用多视角图像进行环境感知与分析，具有成本低、效率高的优势，因而备受关注。然而在实际应用中，视觉感知模型的泛化能力至关重要。

第4549期三川汇文化科技点上方蓝字「三川汇文化科技」关注并星标三川汇文化科技今天带来企业案例介绍：成都恒图科技有限责任公司，是一家专注于数字创意视觉内容创作与人工智能技术融合的文化科技型企业。旗下核心产品包括全球领先的AI图片编辑平台Fotor和一 ...

近日，阿里巴巴的研究团队与浙江大学合作提出了一种新的 Scaling Law：并行计算缩放定律（Parallel Scaling Law，简称 ...

站在文明演进的历史坐标回望，深度伪造技术恰似普罗米修斯盗取的火种，既带来光明也暗藏危险。当真实与虚构的边界在像素层面消融，人类社会正在经历认知范式的根本性变革。这场捍卫真相的战争，本质是文明存续的保卫战。未来的真相护盾，必将是技术防御、制度约束与人文精神的有机统一体，在数字洪流中守护人性的本真。正如哲学家韩炳哲所言："在透明暴政的时代，不透明的抵抗或许才是最后的自由。"这种自由，或许就藏在每个公民 ...

IT之家 5 月 14 日消息，阶跃星辰正式发布并开源 3D 大模型 ——Step1X-3D，这是继图像、视频、语音、音乐等模态后，阶跃星辰在多模态方向的最新成果。Step1X-3D 模型总参数量达 4.8B（几何模块 1.3B，纹理模块 3.5B） ...

吴思泽，南洋理工大学MMLab@NTU四年级博士生，导师是Chen Change Loy，研究方向为基于多模态模型的视觉理解和生成、开放世界的检测分割等，在ICCV/CVPR/ICLR等顶级学术会议上发表过多篇论文。 GPT-4o 生图功能的出现揭示了统一理解与生成模型的巨大潜力，然而如何在同一个框架内协调图像理解与生成这两种不同粒度的任务，是一个巨大的挑战。从视觉表征的维度看，现有的统一模型通常 ...

从弗吉尼亚大学计算机本科毕业后，他来到加州理工跟神经学大佬Christof Koch搞研究，看哪些模式在决定着人类复杂的决策。Christof Koch门徒诸多，其中包括后来变成AI科学家的李飞飞。

工业旋转机械故障诊断面临变未知工况挑战，传统模型存灾难性遗忘致诊断精度下降。研究人员提出 DIMIX 持续学习框架，含动态混合专家等组件。实验表明其将遗忘率控约 2%，提升复杂工业场景诊断可靠性与适应性。

“多模态模型领域目前还没有出现GPT-4时刻。 卡点是整个行业缺少多模态领域的理解生成一体化架构。 有了这个架构，才能基于此通过海量的图片视频去做预训练+指令跟随，最终演变为世界模型。”姜大昕说。

Imagen4和Imagen4Fast是谷歌基于Gemini2.5架构打造的 最新 图像生成模型，旨在进一步提升生成质量与速度。AIbase了解到，Imagen4通过增强的扩散变换器（Diffusion ...