腾讯推出的M2UGen是一款多模态音乐生成框架,结合音乐和多模态任务,支持从文字、图像、视频生成音乐,并具备强大的编辑功能。
💡 产品特色: BetterYeah AI面向企业客户,以多模态模型为核心,提供工作流、数据集、工具和聊天功能,帮助企业无缝集成AI。
悉尼科技大学的科研人员,通过大语言模型、EEG(大脑活动检测工具)、脑机接口等技术,开发了一个可自动读取人类想法,并转化成文本的AI大模型——DeWave。
哈佛大学地球与行星科学教授Brendan Meade能够使用神经网络预测余震的位置。加州理工学院的Zachary Ross和其他研究人员使用深度学习技术从噪声水平很高的数据中分辨出地震信号,从而使得科学家检测出更多的地震。
VCoder作为一个视觉编码器,为MLLM提供了更好的视觉感知能力,能够处理特殊类型的图像,并改善了对象感知任务的表现。在与其他模型的比较中,VCoder在对象计数和识别方面表现出色,特别是在复杂场景中。