Linguaggio, computer vision, audio, multimodale
Lo Shanghai AI Laboratory non tocca una riga dell'architettura di MinerU2.5 e rifà tutto il resto: da meno di 10…
Un gruppo di NTU e NUS propone una memoria pensata per i modelli che parlano: un emisfero per i fatti,…
Mentre la ricostruzione 3D in streaming si riempie di memorie a lungo raggio sempre più elaborate, il laboratorio AMAP di…
Un ricercatore indipendente porta la predizione delle relazioni visive dove rilevamento e segmentazione sono già arrivati: il vocabolario diventa un…
Tsinghua e Shengshu Technology descrivono un modello che genera un personaggio parlante in tempo reale, a 540p e 42 fotogrammi…
Il team Robbyant presenta la seconda versione del suo modello visione-linguaggio-azione per robot, e punta tutto su tre mosse pratiche:…
I generatori video che producono un pezzo di video dopo l'altro, abbastanza in fretta da andare in diretta, nascono distillando…
I generatori 3D di oggi trasformano una foto in una mesh fedele ma saldata in un blocco unico, mentre chi…
I generatori di mondi 3D consegnano scene bellissime ma fuse in un blocco solo, dove una sedia non si può…
Un gruppo di 44 ricercatori, coordinato da MMLab dell'Università di Hong Kong e dall'Università di Pechino, propone un banco di…
