Vript-Hard 是测试长视频理解能力的新基准
Vript-Hard 是测试长视频理解能力的新基准
大型语言模型
图片说明。
LAVE 是一款使用 LLM 的代理辅助视频编辑工具
LAVE 是一款使用 LLM 的代理辅助视频编辑工具
大型语言模型
![OmniGen] 只需一个生成模型就能完](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/September2024/omnigen-520x300.png)
OmniGen] 只需一个生成模型就能完成所有基于图像的任务！
OmniGen] 只需一个生成模型就能完成所有基于图像的任务！
生成图像
![Versatile Diffusion]](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/versatile_diffusion-520x300.png)
Versatile Diffusion] 融合文本和图像的扩散模型
Versatile Diffusion] 融合文本和图像的扩散模型
扩散模型
使用少量数据也能获得高性能？
使用少量数据也能获得高性能？
医疗
反映图像本地风格信息的多样化标题生成现在可以实现了
反映图像本地风格信息的多样化标题生成现在可以实现了
图片说明。
GRIT，一个整合了两个视觉特征并实现了显著的准确性改进的图像标题生成模型，现在可以使用了!
GRIT，一个整合了两个视觉特征并实现了显著的准确性改进的图像标题生成 ...
图片说明。
从关注到基于GAN的方法的图像标题生成技术的总结。
从关注到基于GAN的方法的图像标题生成技术的总结。
图片说明。