文章列表-AI魔法学院

文章列表

从零开始：构建你的首个ComfyUI工作流

这种节点式界面其实广泛的存在于各种专业的生产力工具中，例如 Blender、虚幻引擎、达芬奇等。

comfyui 文生图工作流程

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

考虑到视觉在人类感官中的主导地位[30, 55]，许多 LMM 研究从扩展视觉能力开始。

多模态大模型 GPT-4V 文生图

你还在为钱发愁？2023年十大赚钱GPT Prompts高级指南！（国际版）

使用Deck Robot制作相应的幻灯片。”

prompt

「Agent」通俗易懂地聊聊AI Agent（附66个开源+44个闭源Agent项目）

以下是LLM的一些缺点： 1）会产生幻觉。

大模型

马斯克怒告OpenAI案解密：Ilya看到了什么？125万亿参数Q*细节曝光，53页PDF全网疯转

但直觉告诉我们应该不只如此。

OpenAI 大模型

中文版开源Llama 2同时有了语言、多模态大模型，完全可商用

LinkSoul.AI 团队接下来的工作会把语音 - 视觉 - 文本进一步融合，让大语言模型同时支持语音和视觉模态。

开源模型

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

这为前端开发带来了一场自动化革命，其中多模态大型语言模型（LLMs）有望直接将视觉设计转换为代码实现。

设计转代码大模型

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

背后原理目前的多模态大模型几乎都是用 CLIP 作为 Vision Encoder 或者说视觉词表。

OCR 手写文字识别

总结些SDXL出人像时遇到的困难

所以我出的图，最多是能做到眼含泪水的感觉。

文生图 SDXL

MindChat心理大模型

学习轮数用户 MindChat 1 总感觉自己学习很差, 想努力

心理大模型

全球生成式 AI 应用全景图

生成式AI 应用与多模态模型在语言大模型和多模态多模态大模型快速取得质变的同时，视觉领域的基础大模型Vision Transformer（VIT）在&

大模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

Abstract（此部分翻译为主）当前的计算机视觉（CV）模型通常被训练用于预测有限的物体类别。

OpenAI 自然语言监督

【AI绘画】入门英文名词解析

Image、Inpainting（图像修复）、Textural Inversion（神经网络文本学习），而无须专业的集群GPU来进行深度学习才能使用）操作简单，出图快，平均10-20秒，画人物很强，西方魔幻风格

文生图 AI绘画

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

从大脑活动中重建人类视觉任务，尤其是功能磁共振成像技术（fMRI）这种非侵入式方法，一直是受到学界较多的关注。

stablediffusion

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

这一过程不仅保证了运动的平滑性，也保持了视觉的连贯性和逼真度。

VividTalk 视频

<...14 15 16 171819 20 21 22 23 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1