安爸

随着人工智能技术的飞速发展，图像到视频（I2V）生成已成为艺术与科技融合的前沿领域。然而，现有方法在将静态绘画转化为动态视频时，仍面临两大核心挑战： （1）不动：现有模型无法准确解读和执行文本提示中的运动指令，导致生成的视频缺乏动态效果或完全静止； （2）乱动：模型在尝试赋予静态绘画动态效果的过程中，可能会出现与原作品风格不符或破坏其完整性的现象。 针对上...

本文由加拿大滑铁卢大学魏聪、陈文虎教授团队与 Meta GenAI 共同完成。第一作者魏聪为加拿大滑铁卢大学计算机科学系二年级博士生，导师为陈文虎教授，陈文虎教授为通讯作者。 近年来，视频生成技术在动作真实性方面取得了显著进展，但在角色驱动的叙事生成这一关键任务上仍存在不足，限制了其在自动化影视制作与动画创作中的应用潜力。 现有方法多聚焦于 Talking...

新智元报道 编辑：英智 定慧 【新智元导读】2024年ACM计算突破奖颁给了UCLA华人教授丛京生，以表彰他在FPGA芯片设计自动化和可定制计算领域的重大贡献。他突破了FPGA编程的瓶颈，开发出让普通工程师实现芯片设计的关键工具。 刚刚，丛京生（Jason Cong）院士荣获2024年ACM Charles P.「Chuck」Thacker计算突破...

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 利用字节团队魔改的FLUX模型，可以直接把多个参考主体放进一张图了。 字节团队以FLUX为基础模型，提出了新的生图模型UNO，统一了图像生成任务中不同输入条件的处理。 无论是单主体进行风格变换，还是不同物体的融合，UNO都能直接搞定。 字节团队认为，UNO主要解决的是参考驱动的图像生成中的两个主要挑...

30 年过去了，浏览器最大的变化可能是图标。 「互联网之父」蒂姆·伯纳斯-李 1990 年设计的基本交互模式——通过超链接（Hyperlink）实现网页之间的跳转，以及后面输入网址、等待加载、回到上一页等逻辑，在今天岿然不动。 都 2025 年了，我们还在用同样的姿势，对着屏幕傻傻地等待页面加载。 过去十年，我们见证过许多号称「要颠覆浏览器市场」的浏览器，A...

一水 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，Kimi团队上新了！ 开源轻量级视觉语言模型Kimi-VL及其推理版Kimi-VL-Thinking，多模态和推理双双拿捏。 按照Kimi官方的说法，其关键亮点如下： 都是基于MoE架构，总参数为16B，但推理时仅激活2.8B； 具备强大的多模态推理能力_（媲美参数大10倍的模型）_和Agent...

今天，我们正式发布jina-reranker-m0。这是一款多模态、多语言重排器 (reranker)，其核心能力在于 对包 含丰富视觉元素的文档进行重排和精排，同时兼容跨语言场景。 当用户输入一个查询 (query) 以及一堆包含文本、图表、表格、信息图或复杂布局的文档时，模型会根据文档与查询的相关性，输出一个排序好的文档列表。模型支持超过 29 种语言...

欢迎关注我，持续获取更多内容，感谢赞&在看\~ Python项目排行 | 6个 1. microsoft / markitdown 项目语言: Python Star总数: 47,017 Fork总数: 2,215 Star新增: 1,558 stars today 项目地址: https://github.com/microsoft/markit...

在人工智能飞速发展的今天，AI 模型的应用场景不断拓展，但同时也面临着诸多挑战，例如如何让 AI 模型更好地与外部资源进行交互和协作。MCP（Model Context Protocol，模型上下文协议）作为一种新兴的接口协议，为解决这一问题提供了新的思路。而 Cherry Studio 作为一款功能强大的 AI 桌面客户端，其与 MCP 的融合更是为 A...

欢迎关注我，持续获取更多内容，感谢赞&在看\~ RAGFlow 简介 RAGFlow[1] 是一个基于深度文档理解的开源 RAG（Retrieval-Augmented Generation，检索增强生成）引擎。 RAGFlow 结合了大型语言模型（LLM），为企业提供真实可靠的问题回答能力，并通过各种复杂格式的数据提供有根据的引用。RAGFlow ...