12月26日 AI资讯汇总
12月26日 AI资讯汇总
12月26日 AI资讯汇总 12月26日 AI资讯汇总 Modified December 26, 2024 Audio or video is not supported Please download the file and open it with the appropriate software. meta1.mp4 · 9.11MB meta1 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. Threejs ai.mp4 · 4.55MB Threejs ai 00:00 🌟地址： https://www.threejs.ai/ 🤖️AI 视频 3DHM：通过 3D人体姿势控制合成人物动作视频 通过一个视频和一张图片生成的舞蹈动画的技术3DHM。由加州大学推出，优势在于其支持长视频和大动作幅度的能力，从演示看稳定性还有待提升。 效果： Audio or video is not supported Please download the file and open it with the appropriate software. 3DHM.mp4 · 30.71MB 3DHM 00:00 🌟地址： https://boyiliee.github.io/3DHM.github.io/ 🤖️AI 图像 Diff Instruct ：文生图模型更新 Diff Instruct，可生成高质量逼真的1024x1024 图像，与 FLUX dev 和 SD3.5 相比有更好细节，更丰富的色彩。其2.6B 文生图效果在人类偏好和 CLIP 分数方面优于 12B FLUX dev 50step，而推理成本仅为 1.88%。 与 Diff Instruct++ 和 Diff Instruct 相比，不会因为使用 KL 散度作为正则化而导致颜色过饱和。 效果： 🌟地址： https://arxiv.org/pdf/2410.20898 🤖️AI 模型 Deepseek v3 开源 DeepSeek V3 Base 宣布开源。 685B 参数，256 个专家动态路由，效率与性能兼备 在 aider 多语言编程测评超过 Claude 3.5 Sonnet 20241022 和 Gemini Exp 1206。 🌟地址： https://huggingface.co/deepseek ai/DeepSeek V3 Base/tree/main 智谱开源新的GUI Agent：CogAgent 9B 20241220 CogAgent仅依赖于屏幕截图作为输入（无需HTML等文本表征），可以根据用户指定的任意任务，结合过往的操作历史，预测下一步的GUI操作。 在GUI 感知、推理预测准确性、动作空间完善性、任务的普适和泛化性上得到了大幅提升，能够接受中英文双语的屏幕截图和语言交互。 1. 模型基座和结构升级 ：使用更强大的视觉语言模型GLM 4V 9B作为基座模型，大幅提升模型的基座图像理解性能。 2. 视觉处理模块优化 ：实现了更高效统一的视觉处理模块，支持1120 1120原生高分辨率图像输入。 3. 数据集丰富与完善 4. 预训练策略优化 ，后训练策略改进 ，模型推理及思维链优化 此版CogAgent模型已被应用于智谱AI的GLM PC产品 🌟地址： https://cogagent.aminer.cn/blog /articles/cogagent 9b 20241220 technical report 申请内测： https://cogagent.aminer.cn/home 如有任何问题请联系后台 电子邮箱：alolg@163.com https://arxiv.org/pdf/2410.20898 alolg@163.com Audio or video is not supported Please download the file and open it with the appropriate software. meta1.mp4 · 9.11MB meta1 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. meta1.mp4 · 9.11MB meta1 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. Threejs ai.mp4 · 4.55MB Threejs ai 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. Threejs ai.mp4 · 4.55MB Threejs ai 00:00 🌟地址： https://www.threejs.ai/ 🤖️AI 视频 3DHM：通过 3D人体姿势控制合成人物动作视频 通过一个视频和一张图片生成的舞蹈动画的技术3DHM。由加州大学推出，优势在于其支持长视频和大动作幅度的能力，从演示看稳定性还有待提升。 效果： Audio or video is not supported Please download the file and open it with the appropriate software. 3DHM.mp4 · 30.71MB 3DHM 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 3DHM.mp4 · 30.71MB 3DHM 00:00 🌟地址： https://boyiliee.github.io/3DHM.github.io/ 🤖️AI 图像 Diff Instruct ：文生图模型更新 Diff Instruct，可生成高质量逼真的1024x1024 图像，与 FLUX dev 和 SD3.5 相比有更好细节，更丰富的色彩。其2.6B 文生图效果在人类偏好和 CLIP 分数方面优于 12B FLUX dev 50step，而推理成本仅为 1.88%。 与 Diff Instruct++ 和 Diff Instruct 相比，不会因为使用 KL 散度作为正则化而导致颜色过饱和。 效果： 🌟地址： https://arxiv.org/pdf/2410.20898 https://arxiv.org/pdf/2410.20898 🤖️AI 模型 Deepseek v3 开源 DeepSeek V3 Base 宣布开源。 685B 参数，256 个专家动态路由，效率与性能兼备 在 aider 多语言编程测评超过 Claude 3.5 Sonnet 20241022 和 Gemini Exp 1206。 🌟地址： https://huggingface.co/deepseek ai/DeepSeek V3 Base/tree/main 智谱开源新的GUI Agent：CogAgent 9B 20241220 CogAgent仅依赖于屏幕截图作为输入（无需HTML等文本表征），可以根据用户指定的任意任务，结合过往的操作历史，预测下一步的GUI操作。 在GUI 感知、推理预测准确性、动作空间完善性、任务的普适和泛化性上得到了大幅提升，能够接受中英文双语的屏幕截图和语言交互。 1. 模型基座和结构升级 ：使用更强大的视觉语言模型GLM 4V 9B作为基座模型，大幅提升模型的基座图像理解性能。 2. 视觉处理模块优化 ：实现了更高效统一的视觉处理模块，支持1120 1120原生高分辨率图像输入。 3. 数据集丰富与完善 4. 预训练策略优化 ，后训练策略改进 ，模型推理及思维链优化 此版CogAgent模型已被应用于智谱AI的GLM PC产品 🌟地址： https://cogagent.aminer.cn/blog /articles/cogagent 9b 20241220 technical report 申请内测： https://cogagent.aminer.cn/home 如有任何问题请联系后台 电子邮箱：alolg@163.com alolg@163.com 🐱 猫叔留言： AI资讯公众号：超时空视角 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 猫叔留言： AI资讯公众号：超时空视角 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 🤖️AI 3D Meta：AI建模技术PartGen 一种从各种模态（包括文本、图像、3D 模型）进行组合/零件级 3D 生成和重建的新方法。 • 文本转3D，可实现零部件拆分 • 图像转3D，可实现零部件拆分 • 3D模型分解 • 3D模型编辑 效果： 🌟地址： https://silent chen.github.io/PartGen/ Threejs ai：生成极简3D场景工具 由网友@vidythatte开发的根据文字/图片提示生成极简3D场景工具 Threejs ai放出，输入提示文字即可迭代构建这样的场景，可以用它制作这样简单的故事交互应用。 效果： 小编尝试：