手势识别+GPT-4O+大型语言模型（LLM）与语言视觉模型（LVM）的深度融合
手势识别+GPT-4O+大型语言模型（LLM）与语言视觉模型（LVM）的深度融合
手势识别+GPT-4O+大型语言模型（LLM）与语言视觉模型（LVM）加速虚实融合，在当今科技飞速发展的时代，混合现实（Mixed Reality, MR）技术逐步进入我们的日常生活和工作环境。作为将虚拟与现实无缝融合的技术，MR为用户创造了一个更为沉浸、互动的世界。与虚拟现实（VR）和增强现实（AR）不同，混合现实不仅展示虚拟元素，更能与现实物体互动，带来更为真实的沉浸感。这种突破性的技术应用范围广泛，涵盖了游戏、教育、零售和工业等多个领域，成为驱动新一代技术革新的重要力量。
PaperQA2：开启科学文献检索的超人类时代
PaperQA2：开启科学文献检索的超人类时代
PaperQA2 是一款超越人类专家的开源科学文献检索AI工具，由 Future House 开发。它支持多任务处理，包括文献查找、信息提取和引用网络分析。通过使用 LitQA2 测试集，PaperQA2 在科学文献检索上表现优异，超越博士和博士后级别的研究人员。此外，基于 PaperQA2 的 WikiCrow 能够生成准确度超过维基百科的科学总结。另一模块 ContraCrow 则用于分析文献矛盾，帮助生成新假设。PaperQA2 开创了科学文献交互的新方式，为科研工作者提供了高效的文献分析工具。
DimensionX：RUNWAY高级相机控制平替
DimensionX：RUNWAY高级相机控制平替
随着生成式AI和视频扩散技术的不断发展，我们正迎来前所未有的3D和4D场景生成新时代。DimensionX 项目率先探索了这一领域，它的目标是从单张图像生成出复杂的3D和4D场景，并赋予用户对生成过程的精细控制。在本文中，我们将探讨 DimensionX 的关键技术、应用场景以及它如何推动生成式视频和场景制作的新突破。
超火！MimicTalk – 15分钟训练你的数字人
超火！MimicTalk – 15分钟训练你的数字人
15分钟即可训练高质量、个性化的数字人！MimicTalk是由浙江大学与字节跳动联手研发的3D数字人生成项目，利用**神经辐射场（NeRF）**技术，实现了在15分钟内生成个性化、栩栩如生的3D说话人脸。与传统技术相比，MimicTalk的生成效率和表现力显著提升，生成的视频更加真实生动。
MusicFX DJ泰库拉！生成式AI工具如何开启音乐创作新大门
MusicFX DJ泰库拉！生成式AI工具如何开启音乐创作新大门
MusicFX DJ 是一款生成式音乐工具，它的特别之处在于能够实时生成新的音乐。与传统DJ工具不同，MusicFX DJ并不是简单地混合现有音轨，而是基于用户的文本提示（prompt）来生成新曲风。用户可以输入不同风格的关键词，如“爵士”、“电子”或“放松”，系统会基于这些提示即时生成独特的音乐效果。
PMRF：一种新的图像恢复算法
PMRF：一种新的图像恢复算法
PMRF（Posterior-Mean Rectified Flow）是一种新型图像恢复算法，专注于解决图像恢复中的失真和感知质量平衡问题。它通过后验均值预测和修正流模型来优化图像质量，减少失真。PMRF的应用包括去噪、超分辨率、修复和颜色恢复。实验表明，PMRF在PSNR、SSIM、FID等指标上表现出色，能够生成自然、逼真的高质量图像，是当前图像恢复领域中的重要突破。
Hunyuan3D-1.0 – 腾讯推出的3D生成模型，支持文生3D和图生3D
Hunyuan3D-1.0 – 腾讯推出的3D生成模型，支持文生3D和图生3D
Hunyuan3D-1.0 是腾讯推出的一款功能强大的3D生成模型，支持文本和图像输入，能够快速生成高质量的3D资产。Hunyuan3D-1.0 采用两阶段生成方法，首先通过多视角扩散模型生成多视角RGB图像，然后使用基于Transformer的稀疏视角大规模重建模型，将这些图像转换为3D模型。该模型有轻量版和标准版可选，轻量版适合快速建模，标准版则能生成更高质量的3D模型。