AI.x社区

小米YU7开启预定3分钟订单破20万，1小时逼近29万，引爆全球车市。现象级热销背后，是其AI技术对汽车产品力的系统性重构。 上个月，小米YU7以25.35万元起售价切入中大型纯电SUV市场，开启预定后仅3分钟订单突破20万台，1小时攀升至28.9万台，直接超越了特斯拉ModelY今年前五个月在华总销量，引发全球汽车行业的热议。 其中，网上不乏对小米外观设计的“抄袭”争议。有网友发现，YU7的外观设计风格，与法拉利的首款SUV...

编辑伊风出品51CTO技术栈（微信号：blog51cto）Grok4真的要来了！马斯克预告多次的Grok3.5跳票，直接给大家端上4.0的更强版本。为了这一次发布能够给AI圈一点震撼，Grok团队也是真的够拼，又一次把帐篷搭进了办公室。图片此前，马斯克已经官宣将在7.4日后正式上线。但就在刚刚，X网友AiBattle爆料称：Grok4的源码疑似泄露！从泄露内容来看，Grok4系列至少包含两个模型：✅一款通用旗舰模型✅一款专为编程设计的代码模型Grok4：...

01、概述随着人工智能助手的广泛应用，我们已经见证了AI技术在推理和质量方面的飞速进展。然而，即便是最先进的AI模型，也面临着与数据源隔绝的问题——它们被信息孤岛和老旧的系统所限制。每一条新的数据源都需要定制化的集成，真正连接各类系统的难度不言而喻。为了解决这一问题，我们今天正式开源了模型上下文协议（MCP，ModelContextProtocol）。这一全新的标准为AI助手提供了一种简单而有效的方式，使其能够无缝连接各类数...

编辑云昭Prompt工程又“失效”了？！之前是各种白领对它“喊打喊杀”，担心它取代自己的工作，后来的口风就变成了“大模型强大到不再需要Prompt工程了”，现在圈里又有谷歌的大佬抛出了神断言，让评论区炸锅的那种。今天一早，小编刷到一篇洗脑神文，差点以为这是新一轮的AI黑话洗脑包上线了。文章直呼：“Prompt工程”格局小了，更大格局的“Context工程”才是大模型的王道。不过细读下来，小编并没有作者其实是醉翁之意不在酒...

文章链接：https:arxiv.orgpdf2406.09402项目地址：https:immortalco.github.ioInstruct4Dto4D今天和大家一起学习的是Instruct4Dto4D，可以通过2D扩散模型实现4D感知和时空一致性，以生成高质量的指令引导的动态场景编辑结果。先一起来看看4D编辑的精彩效果：传统的2D扩散模型在动态场景编辑中的应用通常会导致不一致，主要原因在于其固有的逐帧编辑方法。为了解决将指令引导的编辑扩展到4D的复杂性，本文的关键洞察是将4D场景...

想象一下，你仅需要输入一段简单的文本描述，就可以生成对应的3D数字人动画的骨骼动作。而以往，这通常需要昂贵的动作捕捉设备或是专业的动画师逐帧绘制。这些骨骼动作可以进一步的用于游戏开发，影视制作，或者虚拟现实应用。来自阿尔伯塔大学的研究团队提出的新一代Text2Motion框架，MoMask，正在让这一切变得可能。MoMask框架是基于多层离散化动作表示的，利用生成式掩码技术，能够生成更高质量的3D人体动作。如视频1中展示...

3D生成是生成式人工智能和计算机图形学领域最引人注目的话题之一，符合影视、游戏标准的3D生成尤其受产业界关注。在生产流程中，一般品类的3D资产往往通过手工建模或者扫描的方式制作。但作为3D资产的一个重要类别，服装资产的往往来源于平面板片与物理模拟等流程，而不是直接在3D上建模。上海科技大学、影眸科技与宾夕法尼亚大学联合提出DressCode，它是首个完全支持CG操作，能够兼容到工业流程的3D服装生成框架，并通过文本的...

全球社交、科技巨头Meta发布了全新文生3D模型——Meta3DGen。用户通过Meta3DGen仅需1分钟就能生成人物、动物、道具、服饰、工业设计等不同类型的高质量3D模型。Meta3DGen不仅生成的内容是高分辨率的纹理和材质贴图，还支持物理渲染光影效果非常好，适用于游戏开发、电影制作、虚拟现实、建筑设计等领域，帮助开发人员节省大量时间。多视图到3D重建多视图到3D重建是Meta3DGen的两大核心模块之一，主要将用户输入的文本提示转换为...

使用大模型合成的数据，就能显著提升3D生成能力？来自上海交大、香港中文大学等团队还真做到了。他们推出Bootstrap3D框架，结合微调的具备3D感知能力的多模态大模型。这个框架能够自动生成任意数量的高质量的多视角图片数据，助力多视图扩散模型的训练。结果表明，新的合成数据能够显著提高现有3D生成模型的生成物体的美学质量和文本prompt的控制能力。目前，Bootstrap3D的数据集已经全面开源。用大模型合成数据近年来，3D内容...

最近，高斯溅射（GaussianSplatting）在新视角合成领域掀起了一轮革命性浪潮，取代上一代技术神经辐射场（NeRF）成为学界业界顶流。而真实场景往往是动态的，如何合成动态场景的新视角是更具价值与挑战的领域。​随着图形学与AI的发展，数字资产的创造日益引起人们的重视。对于重建的真实场景进行编辑也是AIGC领域业内关注的热门方向，其为制作数字资产提供了高效与便捷。香港大学CVMI实验室携手3D大模型公司VAST与浙江大学，提...

无需采集3D数据，也能训练出高质量的3D自动驾驶场景生成模型。这是来自香港中文大学、香港科技大学和华为诺亚方舟实验室的最新研究成果——针对自动驾驶街景的可控3D场景生成方法“MagicDrive3D”。此前，采用常见的2D自动驾驶数据集来生成3D街景的方法不是没有，但受采集角度所限，生成结果的可控性和几何一致性无法同时满足。而现在，MagicDrive3D通过结合可控生成与场景重建解决了这一限制。不仅支持多条件控制，还突破了原...

在当今数字化时代，3D资产在元宇宙的建构、数字孪生的实现以及虚拟现实和增强现实的应用中扮演着重要角色，促进了技术创新和用户体验的提升。现有的3D资产生成方法通常利用生成式模型基于空间变化双向反射分布函数（SVBRDF,SpatiallyVaryingBidirectionalReflectanceDistributionFunction）在预设光照条件下推断表面位置的材质属性特征。然而，这些方法很少考虑到人们对身边常见物体的表面材质认知构建出的强大且丰富的先验知识...

文章链接：https:arxiv.orgpdf2405.14832github链接：https:nju3dv.github.ioprojectsDirect3D从文本和图像生成高质量的3D资产一直是一项挑战，主要是由于缺乏能够捕捉复杂几何分布的可扩展3D表示。在这项工作中，介绍了Direct3D，这是一种可扩展到inthewild输入图像的原生3D生成模型，不需要多视角扩散模型或SDS优化。方法包括两个主要组件：Direct3DVariationalAutoEncoder（D3DVAE）和Direct3DDiffusionTransformer（D3DDiT...

随着扩散模型的不断创新，文生图领域出现了Midjourney、StableDiffusion、DALLE3等一系列知名产品。但在文本生成多视角3D图像方面一直存在诸多技术难点，Meta和德国慕尼黑工业大学的研究人员联合开发了创新模型——ViewDiff。用户通过文本、图像或二者结合使用，就能生成高质量多视角3D图像，可帮助游戏开发、元宇宙等行业快速构建模型。根据测试数据显示，ViewDiff生成的图像在一致性和视觉质量方面非常出色，并将FID、KID的数...

浙江大学、蚂蚁集团、深圳大学联合推出了创新模型MaPa。与传统纹理方法不同的是，MaPa通过文本能直接生成高分辨率、物理光照、超真实材质的3D模型，可以极大提升游戏、VR、AR、影视等行业的开发效率。研究人员在多个知名平台对MaPa进行了综合测试。结果显示，在无参考图像的情况下MaPa生成的模型材质、分辨率、局部细节，比TEXTure、Text2tex、Fantasia3D等模型的效果更好。论文地址：https:arxiv.orgabs2404.17569MaPa功能展示...

链接地址：https:arxiv.orgpdf2404.14381代码链接：https:github.comOpenNLPLabTAVGBench文本到可听视频生成（TAVG）任务涉及根据文本描述生成带有配套音频的视频。要实现这一目标，需要巧妙地对齐音频和视频元素。为了支持这一领域的研究，本文开发了一个全面的文本到可听视频生成基准（TAVGBench），其中包含超过170万个片段，总时长为11800小时。本文提出了一个自动标注pipeline，以确保每个可听视频都有关于其音频和视频内...

生成式AI初创公司aiOla在官网开源了最新语音模型WhisperMedusa，推理效率比OpenAI开源的Whisper快50%。aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个token，同时不会损失性能和识别准确率。开源地址：https:github.comaiolalabwhispermedusahuggingface：https:huggingface.coaiolawhispermedusav1传统的Transformer架构在生成序列时，是遵循逐个token的顺序预...

当我们在谈论「开源」时，我们到底在谈论什么？在软件时代，「开源」的概念并不模糊。我们可以非常清楚自信地说，Linux是开源的，Windows是闭源的。更具体地说，曾经的「开源」是指能够访问、修改源代码，并对程序的使用或发行不加限制。但进入AI时代，这个概念变得愈发模糊。关于人工智能模型的「开源」到底如何界定，社区和行业专家仍未达成一致。成立于1998年的OpenSourceInitiative（OSI）就始终在主持一个在线论坛，方便对...

最近，一篇题为AIHasanUberProblem（TheInformation）的文章引人深思。作者TimO'Reilly指出：当初Uber和Lyft利用丰厚的风投资金补贴车费，赶走了竞争对手。如今OpenAI等财大气粗的AI初创企业，正在重复这种Uber模式。在国内，我们常说滴滴是“虚假垄断”——下架18个月，归来仍是王者&成立至今，累计亏损超千亿元。当Facebook们已经凭借网络效应抢先一步成为“赢家”时，同样具备网络效应的滴滴们却还在持续烧钱，而且只能烧钱...

刚刚，OpenAI收购了数据库初创公司Rockset。公司由Facebook工程师创立，主打实时搜索和数据分析，能够实现毫秒级延迟。这项收购作价5亿美元（约36亿人民币），而且与之前收购另一家公司不同，这次除了要人，技术也会被整合进OpenAI的产品。按照官方说法，这次收购将增强OpenAI的检索基础设施，帮助企业把数据转化为“可操作的智能”（actionableintelligence）。有网友表示，OpenAI的算法和算力都已经很强了，此次收购也将帮助...