设计灵感来源于PaLI-3！谷歌推出开源视觉语言模型PaliGemma
PaliGemma 是谷歌推出的新一代视觉语言模型家族，其设计灵感来源于PaLI-3，能够接收图像与文本输入并生成文本输出。PaliGemma建立在包括SigLIP视觉模型和Gemma语言模型在内的开...
排序
谷歌推出新一代开源模型Gemma，轻量级高性能，助力AI创新
谷歌推出开源模型Gemma，这是一款轻量级、先进的开源模型，供开发者和研究人员用于AI构建。Gemma模型家族包括Gemma 2B和Gemma 7B两种尺寸，能够在不同的设备类型上运行，包括笔记本电脑...
谷歌推出最新视频和图像生成模型：Veo 2 和 Imagen 3
自从今年早些时候谷歌推出了视频生成模型 Veo 和图像生成模型 Imagen 3 以来，这些工具已经在多个领域产生了深远的影响。YouTube 创作者使用它们为 YouTube Shorts 制作创意...
谷歌AI播客应用Illuminate：将网页内容转化为音频对话
谷歌的AI笔记和研究助手NotebookLM获得了不错的回响后，近期又推出了AI音频应用 Illuminate，用户可以通过输入主题或链接生成对应的音频对话，并支持自定义语音和提示词。在播客兴起的当下...
谷歌推出AI 学习工具Learn About：为用户提供个性化的学习体验
谷歌最近发布了一个名为 Learn About 的 AI 学习工具，旨在为用户提供个性化的学习体验。此工具可以根据用户提出的问题给出详细的解释，并推荐合适的视频教程和文字教程。Learn About ...
谷歌推出个性化AI协作工具NotebookLM：帮助用户更高效地进行信息整理和笔记记录
NotebookLM是谷歌推出的一款个性化AI协作工具，旨在帮助用户更高效地进行信息整理和笔记记录。利用强大的语言模型帮助用户更快地从各种文本、图像以及网页中提取主要信息。它通过将AI与用户选择的具体...
谷歌旗下的AI图像生成工具 Imagen 3
经过长时间的测试与改进，谷歌旗下的AI图像生成工具 Imagen 3 终于向大众开放。目前，它已在 Gemini、ImageFX 等多项谷歌产品中提供服务。Imagen 3 能够创造出细节丰富、光影效...
谷歌旗下最新图像生成模型Imagen2，已在Bard和ImageFX上线
无论是制作音乐、获取编程帮助还是创建图像，像Lyria、Codey和Imagen这样的基于任务的AI模型正在帮助人们将创意变为现实。 自从去年推出以来，我们的Imagen技术已经帮助人们和企业仅使用几...
谷歌推出新型图像编辑工具Magic Insert：将一张图片中的主题（比如一个人或者一个物体）拖拽到另一张风格完全不同的图片上，并且让这个主题在新图片中看起来非常自然
谷歌推出新型图像编辑工具Magic Insert，可以让我们像变魔术一样，将一张图片中的主题（比如一个人或者一个物体）拖拽到另一张风格完全不同的图片上，并且让这个主题在新图片中看起来非常自然，就像它本...
谷歌推出贪婪生长方法（Greedy Growing）：用来训练大规模、高分辨率的基于像素的图像扩散模型
谷歌发布论文讨论了一个非常有趣的话题：如何通过一种称为“贪婪生长”（Greedy Growing）的方法来训练大规模、高分辨率的基于像素的图像扩散模型，且无需级联超分辨率组件。简单来说，就是科学家们找...
谷歌推出CamViG：控制视频生成过程中的相机视角，从而生成具有精确相机运动的视频
Google Research推出CamViG（Camera Aware Image-to-Video Generation），它能够根据单一图像和三维相机运动信号生成视频。这项技术的核心在于，它能够...
新型图像匹配技术OmniGlue：首个以泛化为核心设计原则的可学习图像匹配器
德克萨斯大学奥斯汀分校和谷歌的研究人员推出新型图像匹配技术OmniGlue，这是首个以泛化为核心设计原则的可学习图像匹配器。OmniGlue利用来自视觉基础模型的广泛知识来指导特征匹配过程，从而增强了...