技术 万文长文搞定检索增强生成 RAG
楔子RAG，Retrieval，AugmentedGeneration，，检索增强生成，即从外部数据库失掉额外信息辅佐模型生成内容，楼主以为这项技术关于没有才干，估算启动大模型训练和微调的大C和小B用...
Mistral 谷歌& 具有空间看法的文本 AI颁布TIPS
文章链接，https，arxiv.org，pdf，2410.16512亮点直击具有空间看法的文本图像预训练，TIPS是一种通用的图像，文本编码器模型，可无成效于密集和全局了解，用于纯视觉或视觉言语义务...
大规模视觉指令数据集 图像编辑多义务一扫而空！PromptFix 罗切斯特大学& 微软 新型分散模型&
文章链接，https，arxiv.org，pdf，2405.16785名目链接，https，www.yongshengyu.com，PromptFix，Page总结速览处置的疑问，现有分散模型在处置自...
港理工& OPPO& AI联结颁布分歧且高效的3D场景编辑方法 Stability
文章链接，https，arxiv.org，pdf，2406.17396名目链接，https，lslrh.github.io，syncnoise.github.io，当天和大家一同窗习港理工、OPPO和...
定制化视频生成新榜样！零样本主体驱动 阿里等颁布DreamVideo 准确静止控制！复旦&
文章链接，https，arxiv.org，pdf，2410.13830名目链接，https，dreamvideo2.github.io，亮点直击总结速览处置的疑问现有的视频定制生成方法须要在测试时启动...
场景图常识增强多模态结构化示意才干
一、引言视觉言语模型，VLMs，已在多种多模态了解和生成义务中展现了清楚的功能体现，但是，虽然这些多模态模型在宽泛的义务中体现出色，但是它们是否有效地捕捉结构化常识，即了解对象间相关以及对象与其属性间...