20240702 每日AI必读资讯

🔍GPTPdf:使用类似GPT-4o的多模态LLM分析PDF文件

  • 使用类似 GPT-4o 多模态模型解析 PDF 文件,转换为 Markdown 格式。

  • 代码简洁高效,仅293行。

  • 解析结果几乎完美包括排版、数学公式、表格、图片、图表等内容。

🔗详情链接:https://github.com/CosmosShadow/gptpdf

🔗 GPTPDF:293行代码,GPT-4o颠覆PDF板式分析,每页仅需1美分!-CSDN博客

🎥炸裂!Runway Gen 3可以生成电影片头3D巨幅字幕效果了

  • Runway Gen3 可模仿漫威电影片头效果制作3D巨幅字幕效果

  • 极度稳定的光影效果,保持高质量输出,即使在高速移动场景中

  • 控制模式包括 Motion Brush、高级摄像头控制、导演模式,生成速度快,审美强大

🔗 官网地址:https://runwayml.com/blog/introducing-gen-3-alpha/

🔗 https://blink.csdn.net/details/1746276

💻Llama 3-405B 出现在 WhatsApp Android测试版客户端

  • WhatsApp正在测试 AI 对话的功能

  • 默认模型是Llama 3-70B,但是测试客户端中出现了Llama 3-405B模型。

  • Llama 3-405B模型提供有限数量的使用,达到限制后用户将回到使用默认模型。

  • 早在4月份的时候,Meta就预告了该模型,这可能是第一个 GPT-4 级别的开源模型。

🔗信息来源:https://wabetainfo.com/whatsapp-beta-for-android-2-24-14-7-whats-new/

🔊NVIDIA Broadcast: 利用 AI提升音频和视频质量

-通过AI技术自动消除背景噪音和房间回声

  • 提供背景移除、替换和模糊功能:用户可以在不需要实际绿幕或复杂灯光设置的情况下,自定义背景。

  • 自动对焦:实时动态跟踪用户的移动,自动裁剪和缩放画面。

  • 眼神接触:即使你在看其他地方时,会自动纠正让你与摄像头对视的效果。

🔗 https://blink.csdn.net/details/1746274

🚀知乎宣布推出独立AI搜索平台「知乎直答」

  • 知乎直答是基于知乎丰富问答数据开发的AI产品,提供简略和深入两种答案生成方式,支持用户快速找到所需内容或专家。

  • 产品定位为生产力工具和发现世界的连接器,帮助用户通过提问来探索世界的能力。

  • 未来计划推出App版本,引入多模态能力,与知乎社区深度融合,探索对外合作,为整个问答领域带来新的发展方向。

🔗详情链接:https://zhida.zhihu.com/

👗 AI换装黑科技 MMTryon虚拟试穿框架可按需搭配一键叠穿

  • 一键生成模特试穿效果,质量高且操作简便

  • 打破传统算法束缚,获得新SOTA,支持组合换装

  • 利用服装编码器和多模态多参考注意机制,换装更精确灵活

🔗详情链接:https://arxiv.org/abs/2405.00448

相关推荐
sinovoip1 分钟前
Banana Pi BPI-CanMV-K230D-Zero 采用嘉楠科技 K230D RISC-V芯片设计
人工智能·科技·物联网·开源·risc-v
搏博24 分钟前
神经网络问题之一:梯度消失(Vanishing Gradient)
人工智能·机器学习
z千鑫24 分钟前
【人工智能】深入理解PyTorch:从0开始完整教程!全文注解
人工智能·pytorch·python·gpt·深度学习·ai编程
YRr YRr32 分钟前
深度学习:神经网络的搭建
人工智能·深度学习·神经网络
威桑35 分钟前
CMake + mingw + opencv
人工智能·opencv·计算机视觉
爱喝热水的呀哈喽38 分钟前
torch张量与函数表达式写法
人工智能·pytorch·深度学习
肥猪猪爸1 小时前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
LZXCyrus2 小时前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。2 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
YRr YRr2 小时前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络