图片识别和分析
稳定流：图像生成背后 "真正重要的层次 "可视化
稳定流：图像生成背后 "真正重要的层次 "可视化
让法律硕士在白板上写下他们的推理过程，可以大大提高他们的视觉推理能力！
让法律硕士在白板上写下他们的推理过程，可以大大提高他们的视觉推理能力！
提示方法
使用 GPT-4V 全面评估泛化情绪识别 (GER)
使用 GPT-4V 全面评估泛化情绪识别 (GER)
大型语言模型
![[MMSEARCH] 整合图像和文本的多](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2024/mmsearch_1_-520x300.png)
[MMSEARCH] 整合图像和文本的多模态搜索系统
[MMSEARCH] 整合图像和文本的多模态搜索系统
大型语言模型
![[Qwen2-VL] 可处理不同分辨率图](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/October2024/qwen2-vl-520x300.png)
[Qwen2-VL] 可处理不同分辨率图像和视频的最新 VLM
[Qwen2-VL] 可处理不同分辨率图像和视频的最新 VLM
大型语言模型
使用 CLIP 进行深度伪造检测的新领域
使用 CLIP 进行深度伪造检测的新领域
假货检测
帧插值人工智能技术 RIFE 和 IFNet 的机制和应用
帧插值人工智能技术 RIFE 和 IFNet 的机制和应用
生成图像
使用频率掩码的新一代深度防伪检测技术
使用频率掩码的新一代深度防伪检测技术
假货检测
![[FreqNet]通过频率空间学习进行通](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/July2024/freqnet-520x300.png)
[FreqNet]通过频率空间学习进行通用深度假货检测
[FreqNet]通过频率空间学习进行通用深度假货检测
假货检测
利用 CLIP 检测假图像：图像语言建模用于假图像检测
利用 CLIP 检测假图像：图像语言建模用于假图像检测
假货检测
苹果公司开发了一种大规模自回归图像模型，它可以像 LLM 一样进行扩展。
苹果公司开发了一种大规模自回归图像模型，它可以像 LLM 一样进行扩展 ...
计算机视觉
生成式人工智能和用户的 "激情行为"。
生成式人工智能和用户的 "激情行为"。
3D
ConvNeXt V2：利用掩码自动编码器改进和扩展 ConvNets
ConvNeXt V2：利用掩码自动编码器改进和扩展 ConvNets
图片识别
微调 TEXT-TO-IMAGE 扩散模型以生成虚假特征
微调 TEXT-TO-IMAGE 扩散模型以生成虚假特征
图片识别
[Set-of-Mark Visual Prompting] 提示技术可增强 GPT-4V 的图像识别能力
[Set-of-Mark Visual Prompting] 提示技术 ...
提示方法
![[CoDi]可处理几乎所有模式的任意扩散](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/composable_diffusion-520x300.png)
[CoDi]可处理几乎所有模式的任意扩散模型
[CoDi]可处理几乎所有模式的任意扩散模型
扩散模型
利用三维透视几何约束增强扩散模型
利用三维透视几何约束增强扩散模型
计算机视觉