Meta推出多模态模型Apollo：擅长处理长视频，能够在长达一小时的视频中保持高效的理解能力
尽管视频感知能力已经迅速集成到大型多模态模型（LMMs）中，但其驱动视频理解的基本机制仍未被充分理解。这导致了许多设计决策缺乏适当的理由或分析，尤其是在训练和评估这些模型时，高昂的计算成本和有限的开放...
排序
Meta推出新型视频生成模型Movie Gen：不仅能制作高清视频，还能为视频配上声音
Meta宣布推出一款新AI视频生成器Movie Gen，这款工具不仅能制作高清视频，还能为视频配上声音。据Meta介绍，Movie Gen可通过简单的文字输入，自动生成全新的视频内容。此外，它还能编辑...
Meta发布 Llama 3.2 模型：从 轻量级纯文本模型（1B 和 3B）到 中小型多模态模型（11B 和 90B）
Meta于9月25日正式推出了Llama 3.2模型，这款新模型以其开放性和可定制性为特点，旨在满足开发者在边缘人工智能和视觉处理领域的多样化需求。Llama 3.2 结合了多模态视觉能力和轻量化设计...
Meta推出个性化图像生成模型Imagine yourself：根据参考照片，生成遵循特定文字描述的新图像，而且不需要对每个新用户进行单独调整
Meta旗下GenAI团队推出个性化图像生成模型Imagine yourself，与传统的基于调整的个性化技术不同，Imagine yourself作为一个无需调整的模型运行，使得所有用户都能利用共享...
Meta推出个性化图像生成模型Imagine yourself
Meta推出个性化图像生成模型Imagine yourself，这个模型的特别之处在于，它不需要针对每个用户进行个性化调整或“调优”，就能够为所有用户提供服务。这就像是有一个智能的画家，无论谁来请求画...
Meta推出图像和视频分割模型SAM 2：图像和视频中的可提示视觉分割
Meta在去年推出了图像分割模型Segment Anything，今年它们又推出了升级版Segment Anything Model 2 (SAM 2)，这是一种用于图像和视频中可提示视觉分割的基础模...
Meta推出多模态基础模型家族Chameleon：专为理解和生成图像与文本而设计
Meta推出多模态基础模型家族Chameleon，它们是专为理解和生成图像与文本而设计，多模态意味着这些模型能够同时处理多种类型的数据，比如图片和文字。例如，你给Chameleon一个描述或者一张图片...
Meta发布世界模型早期版本V-JEPA：无需人工标注或指导，自主学习视频中的视觉信息
Meta今日推出V-JEPA（Video Joint-Embedding Predictive Architecture）模型，一种通过观看视频来教机器理解和模拟物理世界的方法，以迈向利用对世界的学习...
