全球首家AI餐厅开业
“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
开源模型击败GPT-4，小模型更流行
尽管HandRefiner主要针对手部图像，但其基本原理和技术也可以适用于其他需要精细修正的图像生成任务，比如修正脚或耳朵等部分。
在实验中，Paint3D通过一系列的量化和定性实验证明了其在生成多样化纹理贴图方面的显著能力。通过评估FID得分和用户调研，实验结果显示Paint3D在纹理生成质量和符合输入条件方面都优于当前最佳的纹理生成算法。不仅如此，Paint3D还展示了多种输入条件引导的纹理贴图生成，包括文字描述和示例图像引导下的纹理生成。