Linguaggio, computer vision, audio, multimodale
Microsoft Research porta in diretta il suo trascrittore che distingue le voci: un solo modello linguistico ascolta l'audio a pezzi…
Un gruppo della Huazhong University of Science and Technology propone di togliere il grande modello linguistico dal percorso che porta…
Invece di ricostruire i movimenti da video trovati in rete, dove camera, scala e forma degli oggetti vanno indovinate, NVIDIA…
Il gruppo OpenMOSS dell'Università Fudan pubblica una famiglia di modelli visione-linguaggio a pesi aperti costruita attorno a una capacità precisa:…
Un gruppo della HKUST e una comunità open source mettono in un solo codice i modi principali di costruire un…
Un rapporto tecnico di oltre cento pagine propone un world model da 4 miliardi di parametri che impara prima dai…
Un gruppo della Tsinghua lascia intatti i pesi di due modelli che muovono i robot e fa crescere attorno a…
I modelli che ricostruiscono una scena 3D da una sola foto sbagliano proprio dove la scena è più fine: ringhiere,…
Oxford e Meta riprendono VGGT, il modello che da una manciata di foto ricava in un colpo solo camere e…
Da una frase o da una foto, un mondo 3D in cui si può camminare; da un video, la sua…
