EchoMimicV3是什么EchoMimicV3是由蚂蚁集团研发的一款高效、多模态、多任务的数字人...

SeedDiffusion是什么SeedDiffusion是由字节跳动Seed团队研发的实验性扩散语...

本文围绕Transformer展开，先介绍其相较CNN与RNN的优势，如并行计算、自注意力机制等。接...

该方案为百度网盘AI大赛手写文字擦除第5名方案，基于SegFormer语义分割模型实现试卷手写笔迹擦...

本文介绍了图像边缘检测的原理，指出边缘是灰度剧变处，检测基于方向导数掩码卷积。实现了通用边缘检测算子...

该方案为百度网盘AI大赛手写文字擦除挑战赛第10名方案，基于MTRNet++实现。先介绍文字擦除算法...

多模态人工智能通过整合不同类型的数据流，例如音频与视觉信息，能够显著提升语音识别的准确性并优化音频降...

WorldVLA是由阿里巴巴达摩院与浙江大学联合开发的一种自回归动作世界模型。该模型将视觉-语言-动...

DRA-Ctrl（Dimension-ReductionAttack）是由浙江大学与蚂蚁集团等机构联...

EX-4D是由字节跳动（ByteDance）旗下Pico团队研发的一种新型4D视频生成框架，能够从单...

FlowDirector是由西湖大学AGILab团队与中南大学合作开发的一种无需训练（trainin...

DreamActor-H1介绍DreamActor-H1是由字节跳动研发的一种基于扩散变换器（Dif...