AIGCLINK

AIGCLINK

AIGCLINK
AIGCLINK
2025-03-29 16:54:06

这两天闹的沸沸扬扬的朱啸虎唱衰具身智能的言论部分认同: 1. 当前具身智能领域大都还在走传统的路线，犹如2023年之前AI1.0时代的NLP和CV路线，后来transformer出现后将原先语言和视觉路线干废。具身智能也需要经历一次这样的临界点，当前还处于1.0时代，未来VLA模型成熟后，必然会将门槛极大的降低下来，泛化性能增强。 2.当前国内的大多数具身智能公司，很多都是用国外开源的路线二开

#朱啸虎#具身智能#AI1.0
AIGCLINK
AIGCLINK
2025-03-07 10:44:31

牛，Mistral刚刚发布了号称地表最强OCR，给文档理解设立了新标准！ Mistral OCR具备强大认知能力，能准确理解文档中包括文本、图像、表格、公式等在内的每个元素 特点： 1、原生多语言和多模态，支持数千种文字、字体以及语言 2、能准确理解复杂的文档元素，包括图像、数学公式、表格以及 LaTeX 格式等，尤其擅长处理包含图表、图形、公式和插图的科学论文等富文档 3、在多个文档分析

#Mistral#OCR#科技创新
AIGCLINK
AIGCLINK
2025-02-20 16:14:11

西北工业大学开源了一个语音理解模型：OSUM，支持8种语音理解任务，从ASR到情感识别，以及语音到文本的深度理解 支持语音识别(ASR) 带时间戳的语音识别(SRWT) 声音事件检测(VED) 语音情感识别(SER) 说话风格识别(SSR) 说话者性别分类(SGC) 说话者年龄预测(SAP) 语音到文本对话(STTC) 它结合了Whisper和Qwen2，采用ASR+X训练策略，支持多任务同时

#西北工业大学#OSUM#语音理解
AIGCLINK
AIGCLINK
2025-01-09 01:16:51

南京大学、字节等开源的一款提高视频清晰度的工具：STAR，它能在提高分辨率的同时，保持视频时间一致性和细节完整性，没有细节丢失、运动不自然的问题 它可以根据视频的不同部分，智能调整清晰度力度，以保证整体的清晰度，又避免过度锐化导致画面不自然 它用文本到视频模型学习到的视觉特征和时空信息来增强超分辨率过程，解决了画面连续性，使视频前后帧之间流畅，不会跳动，以及视频真实感的问题 #视频清晰度增强

#视频清晰度增强#开源工具#南京大学
南京大学、字节等开源的一款提高视频清晰度的工具：STAR，它能在提高分辨率的同时，保持视频时间一致性和细节完整性，没有细节丢失、运动不自然的问题 它可以根据视频的不同部分，智能调整清晰度力度，以保证整体的清晰度，又避免过度锐化导致画面不自然 它用文本到视频模型学习到的视觉特征和时空信息来增强超分辨率过程，解决了画面连续性，使视频前后帧之间流畅，不会跳动，以及视频真实感的问题 #视频清晰度增强
AIGCLINK
AIGCLINK
2025-01-08 02:48:22

酷，多高校开源的一个AI文章检测工具：ImBD(Imitate Before Detect)，可以检测文章是否被AI修改过，能检测纯AI生成的，还能检测被AI润色、改写、扩写的，准确率高 用来检测论文、稿件原创性就非常轻松，它仅使用1000个样本和5分钟的SPO训练就超过了商业的GPT-Zero 检测开源LLM修改文本上提高了13%，检测GPT-3.5和GPT-4o修改的文本上，性能提高了5%

#AI检测#ImBD工具#论文原创性
酷，多高校开源的一个AI文章检测工具：ImBD(Imitate Before Detect)，可以检测文章是否被AI修改过，能检测纯AI生成的，还能检测被AI润色、改写、扩写的，准确率高 用来检测论文、稿件原创性就非常轻松，它仅使用1000个样本和5分钟的SPO训练就超过了商业的GPT-Zero 检测开源LLM修改文本上提高了13%，检测GPT-3.5和GPT-4o修改的文本上，性能提高了5%
AIGCLINK
AIGCLINK
2024-12-30 08:07:01

酷！北大等开源的一个可定制化的多人物漫画生成框架：DiffSensei，可以控制角色的外观和互动方式，可以基于文本调整角色的表情、姿势以及动作等 1、它能理解故事上下文，能同时处理多个角色，保持每个角色的独特形象以及角色之间的互动 2、可以根据对话提示调整表情，根据场景改变姿势，保持角色的一致性 3、支持不同的漫画分格方式，通过提示控制每个格子的构图，能处理连续的故事情节 4、支持批量生成

#DiffSensei#北大#开源
酷！北大等开源的一个可定制化的多人物漫画生成框架：DiffSensei，可以控制角色的外观和互动方式，可以基于文本调整角色的表情、姿势以及动作等 1、它能理解故事上下文，能同时处理多个角色，保持每个角色的独特形象以及角色之间的互动 2、可以根据对话提示调整表情，根据场景改变姿势，保持角色的一致性 3、支持不同的漫画分格方式，通过提示控制每个格子的构图，能处理连续的故事情节 4、支持批量生成