Ming-Lite-Omni是蚂蚁集团推出的一款开源的统一多模态大模型。该模型采用了MoE（Mixt...

Direct3D-S2是什么Direct3D-S2是由南京大学、DreamTech、复旦大学以及牛津...

适应还是不适应？语义分割的实时适应（ICCV2023）标题：适应还是不适应？语义分割的实时适应作者：...

FlexIP是什么FlexIP是腾讯提出的面向图像合成的灵活主体属性编辑框架，平衡图像生成中的身份保...

常见大模型架构多样。RNN 处理序列，却因梯度问题难应对长序列；其变体 LSTM 借门控机制改善，G...

MoshiVis：一款开源多模态语音模型，赋能语音与视觉交互Kyutai推出的开源多模态语音模型Mo...

AIxiv专栏：探索MoM：混合记忆模型，兼顾强大的记忆扩展能力和低序列复杂度AIxiv专栏持续关注...

月之暗面发布MoBA注意力机制，高效处理超长文本！近日，月之暗面团队公开了一种名为MoBA（Mixt...

三维信息感知技术在机器视觉、深空探测和医疗影像等领域展现出巨大潜力。然而，现有的三维感知系统通常依赖...

ViG：高效且可扩展的视觉骨干网络论文链接:https://arxiv.org/abs/2405.1...

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容...

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容...