Linguaggio, computer vision, audio, multimodale
Un rapporto tecnico di oltre cento pagine propone un world model da 4 miliardi di parametri che impara prima dai…
Un gruppo della HKUST e una comunità open source mettono in un solo codice i modi principali di costruire un…
Il gruppo OpenMOSS dell'Università Fudan pubblica una famiglia di modelli visione-linguaggio a pesi aperti costruita attorno a una capacità precisa:…
Invece di ricostruire i movimenti da video trovati in rete, dove camera, scala e forma degli oggetti vanno indovinate, NVIDIA…
Un gruppo della Huazhong University of Science and Technology propone di togliere il grande modello linguistico dal percorso che porta…
Microsoft Research porta in diretta il suo trascrittore che distingue le voci: un solo modello linguistico ascolta l'audio a pezzi…
Un gruppo di 44 ricercatori, coordinato da MMLab dell'Università di Hong Kong e dall'Università di Pechino, propone un banco di…
I generatori di mondi 3D consegnano scene bellissime ma fuse in un blocco solo, dove una sedia non si può…
I generatori 3D di oggi trasformano una foto in una mesh fedele ma saldata in un blocco unico, mentre chi…
I generatori video che producono un pezzo di video dopo l'altro, abbastanza in fretta da andare in diretta, nascono distillando…
