新技术

对大多数人而言，制作一份美观、专业、信息清晰的演示文稿是一项令人头疼的任务。 排版混乱、配色突兀、字体不协调——这些问题并非源于内容不足，而是设计决策的复杂性超出了非专业人士的能力范围。 尽管已有不少...

AI在视觉理解领域正不断突破边界。从最初的物体检测，到像素级语义分割，再到开放词汇识别，AI 对图像的理解能力持续进化。如今，谷歌 Gemini 2.5 带来了一个更具交互性的能力——对话式图像分割...

高通AI研究和MovianAI的研究人员推出新方法CSD-VAR，用于从单张图像中分离内容（content）和风格（style），即内容风格分解（Content-Style Decomposition...

在AI领域，“推理”始终是衡量智能水平的核心指标。真正的推理，不只是回答问题，而是设计并执行通向目标的复杂行动序列——就像人在解一道数独时，会先观察整体格局，再逐步填入数字；在走迷宫时，会先判断大致方...

北京大学医学技术研究所、百度视觉、北京大学未来技术学院生物医学工程系、北京大学国家生物医学影像中心和清华大学的研究人员开发了一种自回归生成多视图图像的方法 MVAR 。其目的是确保在生成当前视图的过程...

在AI与计算机视觉领域，视频人脸交换（Video Face Swapping）是一项极具挑战性的任务。它不仅要将一个人的身份特征“移植”到另一段视频中，还要保持目标人物的表情、动作和口型等动态信息不变...

由新加坡国立大学、浙江大学、罗切斯特理工学院、南京大学、中国科学技术大学、曼苏里大学人工智能学院、上海人工智能实验室和SII联合提出的新方法 LoongX，首次将多模态脑机接口（BCI）信号引入扩散模...

由 AI2（Allen Institute for AI） 推出的 FlexOlmo，正在重新定义语言模型的训练方式。 它提出了一种名为“数据协作”的新范式，让多个数据拥有者在不共享原始数据的前提下...

北卡罗来纳大学教堂山分校的研究人员提出了一种全新的视频推理方法——Video-RTS（Reinforcement Learning with Test-time Scaling），旨在解决当前视频理解...

德克萨斯农工大学、斯坦福大学、科罗拉多大学博尔德分校、德克萨斯大学奥斯汀分校、加州理工学院、加州大学默塞德分校、Snap公司和Topaz Labs公司的研究人员推出通用图像超分辨率智能体4KAgent...

在图像编辑领域，用户常常需要执行诸如“将这张照片转换为赛博朋克风格”或“让图中的动物看起来像是在庆祝圣诞节”这样的复杂操作。这些任务不仅要求模型理解抽象指令，还需准确定位并修改图像中的特定区域。 然而...

在 RAG（Retrieval-Augmented Generation）系统中，信息检索是决定整体性能的关键环节。传统的单向量搜索（如基于 ElasticSearch 或 FAISS 的 MIPS...