文章列表-AI魔法学院

文章列表

Sora物理悖谬的几何解释

我们将解视为数据流形上的点，边值视为其对应的局部坐标（即隐空间中的对应隐特征向量）。

Sora 解释

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

具体来说，ViTPose使用了简单的视觉transformer作为编码器对输入图像进行特征提取。

ViTPose+Transformer 身体姿态

如何快速构建GPTs个人知识库应用？

制作过程就像进行一场对话，输入您的指令和额外知识，选择它的功能，例如网页搜索、图像制作或数据分析。

GPTs 知识库

为什么说AI现在还不行！

图灵测试2.0 原始的图灵测试这样：这是一个纯粹的智能测试，本质是追求在封闭系统里面的逻辑自洽性。

大模型

【万字长文】全球AI Agent大盘点，大语言模型创业一定要参考的60个AI智能体

以目标为导向（Goal-oriented）：它们旨在实现特定目标，这些目标可以通过与环境的交互来预定义或学习。

大语言模型

达摩院SPACE对话大模型：知识注入与知识利用

如上图左侧表示的预训练语言模型，其优化的目标是回答什么样的句子更像自然语言；而上图右侧表示的是预训练对话模型，从端到端的角度看，其优化的目标是需要回答给定对话历史，什么样的回复更合理。

大模型

ComfyUI，你开启XL钥匙打开了新世界

ComfyUI主要使用基于图形/节点/流程图的界面来设计和执行进阶的SD管线。

ComfyUI 大模型

震惊！OpenAI发布Meta-Prompt，未来不再需要提示词。

👀实测案例太震撼了：初始提示词： 1 优化提示词：使用Flux 1.1模型生成图像优化后的提示词： 1 生成一条优化后的提示词，以便使用Flux 1.1模型生成图像

Meta-Prompt 提示词

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

人脸检测对图像中的人脸进行检测并返回人脸坐标位置 face-recognition 人脸识别对图像中的人脸进行检测并返回人脸坐标位置

开源

解读wav2lip：探究语音驱动唇部动作的技术原理！

2.3 口型生成器 wav2lip的生成器负责生成包含目标口型的人脸图像，是一个2D-CNN编码器-解码器结构，包含三个由卷积网络组成的模块：Identity Encoder，Speech Encoder

wav2lip 语音

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

当一个机器人的行为出现异常时，她会深入其电路，试图理解其背后的原因，从而找到解决之道。

大模型

对于大模型RAG技术的一些思考

真正难处理的是ppt和pdf，ppt中包含大量架构图、流程图等图示，以及展示图片。

RAG 大模型

如何通过AI变现，举个详细的例子?

所有的工具，都是为了目标服务的。

生成式AI

模型压缩：量化、剪枝和蒸馏

对模型不重要的定义可以是对目标函数影响小，也可以是对梯度更新影响小等自定义的客观衡量标准。

BERT 语言模型

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

对于Top-down模型而言，因为人为限定了画面中只有一个对象，因此该对象的各关键点不会出现太严重的尺度差异，基本上用同一个尺度下的特征图就能完成所有关键点的检测。

MoveNet-SinglePose Google 模型

<...30 31 32 333435 36 37 38 39 ...>

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