楠竹11_社区达人页

2024年07月

• 07.05 15:38:36
  发表了文章 2024-07-05 15:38:36

  耳朵没错，是声音太真了，字节豆包语音合成成果Seed-TTS技术揭秘

  【7月更文挑战第5天】字节跳动的Seed-TTS技术在语音合成领域实现重大突破，生成的语音与真人难辨真假。基于深度学习的模型能模拟多种情感、口音，适用于智能客服、有声读物等场景。尽管面临计算资源需求大、个别情况合成质量不稳及潜在伦理问题，该技术仍标志着语音合成的新高度。[论文链接](https://arxiv.org/abs/2406.02430)**
• 07.05 15:17:00
  回答了问题 2024-07-05 15:17:00

  丹青-千变万换，体验图片局部内容替换，分享使用过程、输出结果及使用体验

  赞11 踩0 评论0
• 07.05 15:11:23
  回答了问题 2024-07-05 15:11:23

  使用PAI-EAS一键部署ChatGLM，并应用LangChain集成外部数据

  赞19 踩0 评论0
• 07.05 15:06:43
  回答了问题 2024-07-05 15:06:43

  使用通义灵码冲刺备战求职季，你有哪些深刻体验？

  赞6 踩0 评论0
• 07.05 14:57:46
  回答了问题 2024-07-05 14:57:46

  如何破除工作中的“路径依赖”？

  赞10 踩0 评论0
• 07.05 14:55:21
  回答了问题 2024-07-05 14:55:21

  通用大模型VS垂直大模型，你倾向于哪一方？

  赞2 踩0 评论0
• 07.05 14:51:15
  回答了问题 2024-07-05 14:51:15

  展示你用AI工具生成动漫头像，并分享配置过程及使用体验

  赞12 踩0 评论0
• 07.05 14:45:15
  回答了问题 2024-07-05 14:45:15

  一键生成你眼中的未来城市，分享部署过程、输出结果及使用体验

  赞33 踩0 评论0
• 07.04 06:54:45
  发表了文章 2024-07-04 06:54:45

  麻省理工提出“跨层注意力”，极大优化Transformer缓存

  【7月更文挑战第4天】麻省理工学院的研究团队提出了一种新的Transformer优化技术——跨层注意力（CLA），旨在解决大型模型的缓存问题。CLA通过相邻层间共享键值头减半KV缓存，提高内存效率，允许处理更长序列和批量。实验显示，CLA在10亿至30亿参数模型中实现了性能与内存使用的良好平衡，但可能增加计算开销，并非所有模型适用。论文链接：[arXiv:2405.12981](https://arxiv.org/abs/2405.12981)
• 07.04 06:54:37
  发表了文章 2024-07-04 06:54:37

  太全了！苹果上新视觉模型4M-21，搞定21种模态

  【7月更文挑战第4天】苹果携手EPFL发布4M-21模型，能处理21种模态，如图像、文本、音频，实现多模态任务处理。该模型通过多任务学习和模态转换技术，提升泛化与生成能力，广泛应用于内容创作及分析。然而，高数据需求、计算资源消耗和可解释性是其挑战。[链接: https://arxiv.org/pdf/2406.09406]
• 07.04 06:54:27
  发表了文章 2024-07-04 06:54:27

  昆仑万维携手南洋理工大学抢发Q*算法：百倍提升7B模型推理能力

  【7月更文挑战第4天】昆仑万维与南洋理工大学推出Q*算法，大幅提升7B规模语言模型的推理效能。Q*通过学习Q值模型优化LLMs的多步推理，减少错误，无需微调，已在多个数据集上展示出显著优于传统方法的效果。尽管面临简化复杂性和效率挑战，这一创新为LLM推理能力提升带来重大突破。[论文链接:](https://arxiv.org/abs/2406.14283)**
• 07.03 08:14:53
  发表了文章 2024-07-03 08:14:53

  语言≠思维，大模型学不了推理：一篇Nature让AI社区炸锅了

  【7月更文挑战第3天】新研究表明语言和思维是分离的，引发AI社区激烈讨论。论文通过fMRI实验显示语言处理与思维在大脑中独立，即使无语言人们仍能推理。这质疑了AI仅通过语言学习高级智能的可能性，暗示应更关注模拟人类思维。[[1](https://www.nature.com/articles/s41586-024-07522-w)]
• 07.03 08:14:18
  发表了文章 2024-07-03 08:14:18

  谷歌推出基于Transformer的创新技术——无限注意力

  【7月更文挑战第3天】谷歌推出Infini-Attention，革新Transformer模型，允许处理无限长度序列，降低内存与计算需求。此技术结合局部与长期注意力，提升长上下文任务性能，如语言建模和书籍摘要，同时面临内存约束和优化挑战。虽有批评，但被视为LLMs处理长序列的里程碑。[链接](https://arxiv.org/abs/2404.07143)
• 07.03 08:13:50
  发表了文章 2024-07-03 08:13:50

  能自动查找各种漏洞，专用于网络安全的AI Agent

  【7月更文挑战第3天】研究表明，大型语言模型（LLM）可应用于网络安全，自动发现和利用漏洞，包括零日漏洞。多Agent系统中，HPTSA规划任务，其他Agent执行具体工作，提升发现和应对漏洞的效率。然而，LLM的复杂性可能导致可解释性、可控性问题，且系统鲁棒性、泛化能力和安全性仍需加强。[链接: arxiv.org/abs/2406.01637]
• 07.02 08:45:44
  发表了文章 2024-07-02 08:45:44

  ACM最新论文戳破大公司开源谎言，GenAI时代到底如何定义开源模型

  【7月更文挑战第2天】ACM论文揭示GenAI开源真相，指出开源模型常缺乏开放数据集、完整代码与功能，质疑大公司仅借开源名义吸引利益。论文倡导重新定义开源，提议全面评估框架、加强监管及教育，确保真开源，促进领域健康发展。[链接：https://dl.acm.org/doi/3630106.3659005]
• 07.02 08:45:35
  发表了文章 2024-07-02 08:45:35

  打开黑盒神经网络！港大推出全新会说话的推荐系统大模型XRec，从黑盒预测到可解释

  【7月更文挑战第2天】港大研发XRec模型，将可解释性引入推荐系统。XRec结合大型语言模型的语义理解与协同过滤，生成推荐的文本解释，提升透明度。该模型无关设计允许与各类推荐系统配合，增强用户体验。然而，计算资源需求高、数据质量和用户理解能力可能影响其效果。[查看论文](https://arxiv.org/pdf/2406.02377)**
• 07.02 08:45:24
  发表了文章 2024-07-02 08:45:24

  零成本突破多模态大模型瓶颈！多所美国顶尖高校华人团队，联合推出自增强技术CSR

  【7月更文挑战第2天】华人团队于顶尖美校联合发布CSR技术，实现多模态大模型的零成本优化。CSR通过模型自我增强循环提升性能，增强泛化与鲁棒性，高效且节省资源。但技术也面临模型质量、调优及伦理挑战。[论文链接](https://arxiv.org/pdf/2405.14622)**
• 07.01 08:47:39
  发表了文章 2024-07-01 08:47:39

  CVPR 24：ETH Zurich等团队：重新定义小样本3D分割任务，新基准开启广阔提升潜力！

  【7月更文挑战第1天】ETH Zurich团队提出了重新定义小样本3D点云分割任务，聚焦于前景泄漏和稀疏点分布问题。他们提出COSeg方法，利用类特定多原型相关性（CMC）和超相关性增强（HCA），以解决现有方法的局限。此外，通过基础原型校准（BPC）改善模型对基础类的敏感性。实验显示COSeg在性能上有显著提升，但其泛化能力和计算需求仍待优化，且遮挡和噪声等挑战仍有待解决。[论文链接](https://arxiv.org/abs/2403.00592)
• 07.01 08:47:05
  发表了文章 2024-07-01 08:47:05

  从RLHF到DPO再到TDPO，大模型对齐算法已经是token-level

  【7月更文挑战第1天】在AI领域的语言模型对齐研究中，新提出的TDPO算法实现了Token-level的直接优化。不同于以往在答案级别评估的方法，TDPO利用前向KL散度和Bradley-Terry模型，直接在生成过程的Token层面上调整对齐，提高微调精度和多样性。实验显示，TDPO优于DPO和RLHF，在某些任务上表现出色，但也面临计算资源需求高、处理复杂任务时局限性等问题，需要进一步验证和改进。[论文链接](https://arxiv.org/abs/2404.11999)
• 07.01 08:46:18
  发表了文章 2024-07-01 08:46:18

  字节豆包全新图像Tokenizer：生成图像最低只需32个token，最高提速410倍

  【7月更文挑战第1天】新方法将图像转为1D token序列，减少计算复杂度，提高生成效率。在保持高画质（如gFID: 1.97 on ImageNet 256x256）的同时，TiTok比现有模型快410倍。虽有资源需求及token限制问题，但展示了图像处理的新方向。[论文链接](https://arxiv.org/abs/2406.07550)

2024年06月

• 06.30 07:53:12
  发表了文章 2024-06-30 07:53:12

  无论真实还是AI视频，摩斯卡都能重建恢复4D动态可渲染场景

  【6月更文挑战第30天】摩斯卡系统革命性地从单视角视频重建4D动态场景，融合2D视觉模型与物理优化，实现渲染。利用“Motion Scaffold”表示几何、外观和运动，即使在多视角输入困难时也能保证高质量重建与渲染。虽有输入质量和计算资源限制，但其创新性提升了动态场景处理的实用性和可控性。[arXiv:2405.17421](https://arxiv.org/pdf/2405.17421)
• 06.30 07:46:03
  发表了文章 2024-06-30 07:46:03

  不做数值运算、纯靠嘴炮也能机器学习？基于自然语言的全新ML范式来了

  【6月更文挑战第30天】基于自然语言的VML简化了机器学习，让模型参数变为人类可读的文本，提高理解和应用性。借助大型语言模型的进展，VML能直接编码先验知识，自动选择模型类，并提供可解释的学习过程。然而，表达能力、训练优化及泛化能力的挑战仍需克服。[论文链接](https://arxiv.org/abs/2406.04344)
• 06.30 07:45:24
  发表了文章 2024-06-30 07:45:24

  ShareGPT4V作者团队又一力作！百万高质量视频-字幕数据助力社区提升多模态大模型视频理解及生成能力

  【6月更文挑战第30天】ShareGPT4Video`团队推出百万视频-字幕数据集，强化多模态模型的视频理解和生成。包括40K视频的`ShareGPT4Video`数据集、`ShareCaptioner-Video`模型和8B参数的`ShareGPT4Video-8B`模型，后者在视频基准测试中取得最佳效果。差异化字幕生成策略解决了传统方法的局限。尽管取得突破，但数据规模和模型泛化仍是未来挑战。[论文链接](https://arxiv.org/abs/2406.04325v1)
• 06.29 18:36:09
  发表了文章 2024-06-29 18:36:09

  北大推出全新机器人多模态大模型！面向通用和机器人场景的高效推理和操作

  【6月更文挑战第29天】北京大学研发的RoboMamba是新型机器人多模态大模型，融合Mamba SSM的高效推理与视觉编码器，提升复杂任务处理能力。通过微调策略，仅用少量参数即可快速习得操作技能，实现在通用及机器人场景的高效运行，推理速度提升7倍。尽管面临泛化和可解释性挑战，RoboMamba展示了多模态模型的新潜力。[论文链接:](https://arxiv.org/abs/2406.04339)
• 06.29 18:35:36
  发表了文章 2024-06-29 18:35:36

  从高考到奥林匹克竞技场：大模型与人类智能的终极较量

  【6月更文挑战第29天】上海交大等团队的OlympicArena测试评估了大模型在多学科认知推理任务上的能力，涵盖7个学科11,163个问题。最先进模型GPT-4的整体准确率为39.97%，数学和物理仅28.67%和29.71%，显示在复杂推理任务上的局限。尽管如此，模型在部分推理步骤中展现出潜力，但在空间推理和抽象符号理解上仍有挑战。[论文链接](https://arxiv.org/pdf/2406.12753)
• 06.29 18:35:02
  发表了文章 2024-06-29 18:35:02

  超越CVPR 2024方法，DynRefer在区域级多模态识别任务上，多项SOTA

  【6月更文挑战第29天】DynRefer，一款超越CVPR 2024的多模态识别工具，通过模拟人类视觉的动态分辨率，提升区域级任务的准确性和适应性。在区域字幕生成、识别和属性检测上取得SOTA，但计算成本高且可能依赖于对齐精度。[链接: https://arxiv.org/abs/2405.16071]
• 06.28 19:39:47
  发表了文章 2024-06-28 19:39:47

  CVPR 2024：给NeRF开透视眼！稀疏视角下用X光进行三维重建，9类算法工具包全开源

  【6月更文挑战第28天】CVPR 2024亮点：SAX-NeRF框架开源！融合X光与NeRF，提升3D重建效果。X3D数据集验证，Lineformer+MLG策略揭示物体内部结构，增强几何理解。虽有计算成本及泛化挑战，但为计算机视觉和医学影像开辟新路径。[论文链接](https://arxiv.org/abs/2311.10959)**
• 06.28 19:39:05
  发表了文章 2024-06-28 19:39:05

  CVPR 2024 Highlight ：北航等发布时间特征维护：无需训练，极致压缩加速Diffusion

  【6月更文挑战第28天】在CVPR 2024会议上，北航等研究团队提出了**时间特征维护**技术，针对Diffusion模型实现无需训练的高效压缩与加速。通过选择性保留关键时间特征，他们在保持生成质量的同时，实现了模型4bit极致压缩和超过2.38倍硬件加速，简化了复杂模型，提升了运行效率。这一创新方法有望改善Diffusion模型在实际应用中的资源需求，但其鲁棒性和泛化能力尚需更多验证。[论文链接](https://arxiv.org/pdf/2311.16503)
• 06.28 19:38:24
  发表了文章 2024-06-28 19:38:24

  LLM最全怪癖首曝光！马里兰OpenAI等30+学者祭出75页提示报告

  【6月更文挑战第28天】《The Prompt Report》——马里兰大学等机构的学者发布了一份75页的系统综述，详尽探讨了GenAI的提示技术。报告建立了33个术语的词汇表，分类了58种文本和40种其他模态的提示技术，为AI交互提供了清晰框架。尽管受到赞誉，但也面临技术性及关键问题解决不足的批评。报告提醒，需关注提示可能带来的不准确性和偏见问题。[[1](https://arxiv.org/abs/2406.06608)]**
• 06.27 08:46:06
  发表了文章 2024-06-27 08:46:06

  ICLR 2024 Oral ：应对随时间变化的分布偏移，西安大略大学等提出学习时序轨迹方法

  【6月更文挑战第27天】ICLR 2024 Oral 提出解决时间分布偏移新策略：潜在轨迹学习。针对数据分布随时间变化的挑战，西安大略大学研究团队提出一种方法，通过学习数据的时序轨迹增强模型泛化。在连续的潜在空间中建模分布变化，改善对未见数据的适应性。实验显示在多种场景下性能提升，但需更多计算资源且依赖部分标记数据。[论文链接](https://openreview.net/pdf?id=bTMMNT7IdW)**
• 06.27 08:45:22
  发表了文章 2024-06-27 08:45:22

  吴恩达团队新作：多模态多样本上下文学习，无需微调快速适应新任务

  【6月更文挑战第27天】吴恩达团队提出多模态模型新方法—多样本上下文学习，允许模型无需微调即可快速适应新任务。通过扩大上下文窗口至2000个示例，模型性能在图像分类等任务上显著提升，同时研究了批处理优化以减少计算成本。尽管面临计算开销和数据需求的挑战，但该方法为AI的高效泛化开辟了新途径。[论文链接：https://arxiv.org/abs/2405.09798]
• 06.27 08:44:52
  发表了文章 2024-06-27 08:44:52

  清华等高校推出首个开源大模型水印工具包MarkLLM，支持近10种最新水印算法

  【6月更文挑战第27天】清华大学等高校发布了开源工具MarkLLM，这是首个专注于大语言模型水印的工具包，支持近10种先进算法。该工具统一了水印实现，便于比较和使用，旨在促进水印技术在保障信息真实性和网络安全上的应用。MarkLLM提供直观界面、可视化及自动化评估，推动了大模型水印研究的进步。[论文链接:](https://arxiv.org/abs/2405.10051)**
• 06.26 10:34:17
  回答了问题 2024-06-26 10:34:17

  如何避免“写代码5分钟，调试2小时”的尴尬？

  赞16 踩0 评论0
• 06.26 10:31:32
  回答了问题 2024-06-26 10:31:32

  国内AI大模型高考数学成绩超GPT-4o，如何看待这一结果？

  赞9 踩0 评论0
• 06.26 10:26:03
  回答了问题 2024-06-26 10:26:03

  一键部署3D卡通风格模型，分享部署过程及使用体验

  赞62 踩0 评论0
• 06.26 10:20:57
  回答了问题 2024-06-26 10:20:57

  展示你通过AI修饰的自然风光照片，并讲述你的拍摄和编辑过程

  赞79 踩0 评论0
• 06.26 09:33:23
  发表了文章 2024-06-26 09:33:23

  字节打造大模型TTS：不仅能高保真合成，而且支持调整编辑

  【6月更文挑战第26天】字节跳动的Seed-TTS是先进的文本转语音系统，生成与人类语音难辨别的声音，并允许编辑。模型通过语音、文本编码器、解码器和声码器实现高保真、可控及多样化的语音生成。应用于智能客服、有声读物、导航，提升用户体验。虽在多模态任务、长文本生成、实时应用及隐私问题上面临挑战[[arxiv.org/pdf/2406.02430](https://arxiv.org/pdf/2406.02430)]。
• 06.26 09:32:43
  发表了文章 2024-06-26 09:32:43

  大模型压缩量化方案怎么选？无问芯穹Qllm-Eval量化方案全面评估：多模型、多参数、多维度

  【6月更文挑战第26天】无问芯穹Qllm-Eval评估了11个大模型（如OPT、LLaMA2）在多种参数配置和任务下的量化效果，探索权重量化、激活量化等方法对性能、速度和内存的影响。研究发现，W4、W4A8量化通常保持在2%的性能损失范围内，但最佳策略取决于模型大小、任务类型及硬件，提示了选择压缩方案时需灵活适应。[[arxiv.org/pdf/2402.18158.pdf](https://arxiv.org/pdf/2402.18158.pdf)]
• 06.26 09:32:13
  发表了文章 2024-06-26 09:32:13

  答案抽取正确率达96.88%，xFinder断了大模型作弊的小心思

  【6月更文挑战第26天】xFinder模型针对大语言模型（LLMs）的评估难题，提出了强化答案抽取的解决方案，显著提高了准确性至93.42%，超过传统RegEx的74.38%。xFinder设计用于减少模型对特定答案格式的依赖，提升评估可靠性。尽管依赖大量标注数据和需持续优化，该工作为LLM评估提供了新标准[(arxiv.org/abs/2405.11874)]。
• 06.25 08:24:17
  发表了文章 2024-06-25 08:24:17

  字节豆包、武大提出 CAL：通过视觉相关的 token 增强多模态对齐效果

  【6月更文挑战第25天】字节跳动AI实验室与武汉大学合作提出CAL方法，通过引入视觉token强化多模态对齐，提升视觉-语言预训练模型的性能。CAL包含视觉特征提取、token生成及多模态对齐三步，实验显示它在COCO Captions和Flickr30k等数据集上取得显著提升。然而，CAL计算成本高且依赖于图像编码器质量，未来将探索扩展至更多模态。[论文链接](https://arxiv.org/pdf/2405.17871)
• 06.25 08:23:38
  发表了文章 2024-06-25 08:23:38

  大模型+蒙特卡洛树搜索，一招让LLaMa-3 8B奥数水平直逼GPT-4

  【6月更文挑战第25天】 - 复旦大学和上海AI Lab的研究者提出这一算法，用于增强大型语言模型在复杂数学推理任务中的能力，解决现有模型推理准确性问题。 - **MCTSr**流程包括初始化、选择、自细化、自评估、反向传播和UCT更新，通过多轮迭代提升答案质量。 - 实验显示，该算法在**GSM8K**、**GSM Hard**、**MATH**和**Olympiad-level**数据集上表现出色，尤其在多次迭代后。 - 尽管计算成本高且不适用于所有问题类型，但研究揭示了强化LLMs推理能力的新途径，对未来的AI应用具有指导意义。
• 06.25 08:22:32
  发表了文章 2024-06-25 08:22:32

  3D 版 SORA 来了！DreamTech 推出全球首个原生 3D-DiT 大模型 Direct3D

  【6月更文挑战第25天】DreamTech的Direct3D是全球首个3D-DiT模型，革新3D生成，使用3D潜在扩散变换，无需多视图或SDS优化，提升效率与准确性。模型包含D3D-VAE（高效编码3D形状）和D3D-DiT（模拟3D潜在分布）。它结合语义和像素条件生成与输入图像一致的3D形状，在质量和泛化上超越现有技术。然而，实际应用还需解决特定场景适应性、优化问题及集成挑战。[链接](https://arxiv.org/abs/2405.14832)
• 06.24 11:45:52
  发表了文章 2024-06-24 11:45:52

  开源多结构蛋白质预测大模型——Genie 2

  【6月更文挑战第24天】Genie 2，一款开源的深度学习蛋白质设计模型，扩展了原始Genie的结构预测能力，通过创新架构和大规模数据增强处理更复杂多样的蛋白质结构。引入的多基序框架允许设计多功能蛋白质，提升无条件和有条件生成的性能。尽管面临数据质量、复杂相互作用处理及模型可解释性的挑战，Genie 2仍为蛋白质设计树立新标杆。[论文链接](https://arxiv.org/abs/2405.15489)
• 06.24 11:45:21
  发表了文章 2024-06-24 11:45:21

  Meta新模型NLLB获Nature盛赞，200种濒危语言高质量翻译，不让任何语言掉队

  【6月更文挑战第24天】Meta的NLLB模型在Nature上受赞誉，能高质量翻译200种语言，包括濒危语言，助力文化交流与保护。该模型通过创新技术克服低资源语言挑战，推动跨语言理解，但同时也引发对语言多样性的讨论。[[1](https://www.nature.com/articles/s41586-024-07335-x)]
• 06.24 11:44:50
  发表了文章 2024-06-24 11:44:50

  高质量3D生成最有希望的一集？GaussianCube在三维生成中全面超越NeRF

  【6月更文挑战第24天】论文《Language Models as Text-Based World Simulators?》由多所名校和机构合作完成，探讨大型语言模型（LLMs）如GPT-4是否能胜任世界模拟器角色。新基准BYTE-SIZED32-State-Prediction用于评估其模拟文本游戏状态转换的能力。结果显示，GPT-4在某些任务上接近人类表现，但在算术、常识推理和环境动态模拟上仍有不足，表明LLMs尚无法成为可靠的全功能世界模拟器。研究指出了LLMs改进和未来研究的潜力方向。[[1](https://arxiv.org/pdf/2403.19655)]
• 06.23 07:22:48
  发表了文章 2024-06-23 07:22:48

  ACL 2024论文盖棺定论：大语言模型≠世界模拟器

  【6月更文挑战第23天】ACL 2024研究揭示：大语言模型GPT-4虽强，但不适合作为世界模拟器。新基准BYTE-SIZED32-State-Prediction显示，GPT-4在模拟复杂状态变化时遇到挑战，尤其在算术、常识推理及环境动态方面。论文指出，LLMs需增强推理能力并改进评估标准，以迈向可靠的世界模拟器。[https://arxiv.org/pdf/2406.06485](https://arxiv.org/pdf/2406.06485)**
• 06.23 07:22:16
  发表了文章 2024-06-23 07:22:16

  ICLR 2024 Spotlight：连续数值分布式表征加持，浙大UIUC让语言模型擅长表格预测

  【6月更文挑战第23天】在ICLR 2024会议上，浙大和UIUC的研究团队推出TP-BERTa，一种改进的BERT模型，专为表格预测。通过将连续数值特征转为文本并利用自注意力机制，TP-BERTa能有效处理高维、异构表格数据，提高预测性能。预训练和微调策略使其在XGBoost等传统方法及FT-Transformer等深度学习模型中脱颖而出。论文链接：[anzIzGZuLi](https://openreview.net/pdf?id=anzIzGZuLi)
• 06.23 07:21:42
  发表了文章 2024-06-23 07:21:42

  Scaling Law触礁数据墙？Epoch AI发文预测LLM到2028年耗尽所有文本数据

  【6月更文挑战第23天】Epoch AI警告，大语言模型（LLM）可能在2026-2032年间面临“数据墙”，因人类生成文本数据耗尽。论文探讨LLM扩展限制，提出合成数据、迁移学习和提高数据效率作为应对策略，但也引发数据隐私和伦理问题。研究敦促平衡模型发展与数据资源管理[[1](https://arxiv.org/abs/2211.04325)]。
• 06.22 19:43:48
  发表了文章 2024-06-22 19:43:48

  SIGGRAPH2024：上科大、影眸联合提出DressCode：从文本生成3D服装板片

  【6月更文挑战第22天】SIGGRAPH2024见证了上海科技大学与影眸科技合作推出DressCode，这是一个利用文本生成3D服装板片的创新框架。借助SewingGPT（基于GPT模型），DressCode能根据描述创建缝纫图案，结合改良的Stable Diffusion模型产生逼真纹理。通过自然语言交互，设计师可轻松转换概念为3D设计，支持编辑和微调，适用于虚拟试穿等应用场景。尽管面临真实度与个性化挑战，DressCode仍展现了强大的设计潜力。[论文链接:](https://arxiv.org/abs/2401.16465)
• 06.22 19:43:06
  发表了文章 2024-06-22 19:43:06

  Mobile-Agent-v2问世，自动化手机操作能力再上新台阶

  【6月更文挑战第22天】Mobile-Agent-v2，一款多智能体AI系统，提升手机操作自动化，通过规划、记忆和错误纠正代理优化任务执行，实验显示比前代性能提升30%，但面临计算资源需求高、数据依赖及用户反馈需求等挑战。[论文链接](https://arxiv.org/abs/2406.01014)**