Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

目标检测领域最新sota模型

Answer

以下是目标检测领域的一些最新模型：

  • YOLOv8 目标检测跟踪模型：快速准确的多对象识别和定位，支持实例分割、人体姿态估计等，多平台兼容，是一站式视觉识别解决方案。详细介绍：https://docs.ultralytics.com/models/ ，GitHub：https://github.com/ultralytics/ultralytics 。
  • OpenAI 在 2024 年 2 月发布的 Sora 模型，是一个文本到视频的生成式 AI 模型，能够根据文本提示生成现实或想象场景的视频，在目标检测方面也有一定的应用和潜力。
Content generated by AI large model, please carefully verify (powered by aily)

References

OpenAI联创：RLHF是超级智能的秘密武器

[title]OpenAI联创：RLHF是超级智能的秘密武器[heading1]模型将解锁哪些新能力？Dwarkesh Pa tel：从宏观角度来看，pre-training和post-training的主要任务分别是什么？二者的主要区别是？John Schulman：pre-training阶段主要是让模型学习互联网上的网页、代码等等各种内容，并且让模型做到能模仿这些内容，模型在预训练后已经能生成很仿真的网页。同时这个模型还需要做最大化对数概率（maximize log probability）的训练，主要是为了让模型能在给定一系列token之后准确地预测下一个token。因为我们的训练目标是最大化这些预测的对数概率，所以这个模型在概率分配上会非常精确。也就是说，它不仅可以生成网络上的各种内容，还能为这些内容赋予相应的概率值。pre-training阶段后的基础模型能够扮演各种角色，生成多种不同类型的内容。进入到post-training阶段之后，我们通常就会针对一个更具体的应用场景进行优化，比如让模型做聊天助手。在这个场景下，模型的目标不再是简单地模仿一个人，而是要能够回答用户的问题或执行用户的指令，提供帮助。我们优化的目标也变成了生成用户会喜欢并且觉得有用的输出，而不仅仅是复制网络上的原始内容。是GPT-4.5和GPT-5比预期的来得慢，之前以为Claude-3发布之后OpenAI就会发新模型了，但现在SOTA模型已经易主一个月了，所以AGI的战线可能会被拉长。第二点是Sora比预期来的要早，这意味着今年大家对多模态的理解和生成的进步幅度都会很大，将会解锁很多新东西，但多模态能不能带来智能和AGI还是一个很强的非共识。第三点就是Elon Musk加入了开源，开源模型能力的水位线会被提升很多，xAI的人才密度很强，GPU也足，这会决定了很多后面模型公司的生死线。

Sora：大型视觉模型的背景、技术、局限性和机遇综述 【官方论文】

[title]Sora：大型视觉模型的背景、技术、局限性和机遇综述【官方论文】[heading1]1引言自从2022年11月ChatGPT发布以来，人工智能技术的出现标志着一个重大的转变，重塑了交互方式，并深入融入日常生活和行业的各个方面[1,2]。基于这一势头，OpenAI在2024年2月发布了Sora，一个文本到视频的生成式AI模型，能够根据文本提示生成现实或想象场景的视频。与之前的视频生成模型相比，Sora的特点是能够在遵循用户文本指令的同时，生成长达1分钟的高质量视频[3]。Sora的进步体现了长期以来人工智能研究任务的实质，即赋予AI系统（或AI代理）理解和与运动中的物理世界互动的能力。这涉及到开发不仅能解释复杂用户指令，而且能将这种理解应用于通过动态和富有上下文的模拟解决现实世界问题的AI模型。图2：Sora在文本到视频生成中的示例。文本指令被给予OpenAI Sora模型，它根据指令生成三个视频。Sora展示了准确解释和执行复杂人类指令的显著能力，如图2所示。该模型能生成包含多个执行特定动作的角色以及复杂背景的详细场景。研究人员将Sora的熟练程度归因于不仅处理用户生成的文本提示，而且还能辨别场景内元素之间复杂的相互作用。Sora最引人注目的方面之一是其生成长达一分钟的视频的能力，同时保持高视觉质量和引人入胜的视觉连贯性。与只能生成短视频片段的早期模型不同，Sora的一分钟长视频创作具有进展感和从第一帧到最后一帧的视觉一致性之旅。此外，Sora的进步在于其生成具有细腻运动和互动描绘的扩展视频序列的能力，克服了早期视频生成模型所特有的短片段和简单视觉呈现的限制。这一能力代表了AI驱动创意工具向前的一大步，允许用户将文本叙述转换为丰富的视觉故事。总的来说，这些进步展示了Sora作为世界模拟器的潜力，为描绘场景的物理和上下文动态提供了细腻的见解。[3]。

XiaoHu.AI日报

[title]XiaoHu.AI日报[heading2]2月21日🔗 https://x.com/xiaohuggg/status/1760191358298710370?s=205⃣️🎯 YOLOv8目标检测跟踪模型：快速准确的多对象识别和定位。支持实例分割、人体姿态估计等。多平台兼容，一站式视觉识别解决方案。🔗详细介绍：https://docs.ultralytics.com/models/🔗 GitHub：https://github.com/ultralytics/ultralytics🔗 https://x.com/xiaohuggg/status/1760149057249636570?s=206⃣️🎥 Sora工作原理解析：结合扩散模型和Transformer架构。采用空间时间补丁和时空立方体。利用知识图谱组合视频，显示巨大潜力。🔗 https://x.com/xiaohuggg/status/1760139842783248609?s=207⃣️🚀 OpenAI技术人员的一天...🔗 https://x.com/xiaohuggg/status/1760130189932265553?s=20

Others are asking
音频质量检测方面SOTA模型有？
Gemini 模型在音频质量检测方面达到了 SOTA 水平。该模型是天生多模态的，在文本、图像、音频和视频上进行联合训练，在广泛的音频基准测试中表现出色。
2024-10-16
wifi和相机融合目标检测算法
图像融合是将两个或多个图像合成为一个新的图像，以获取比原始图像更全面和丰富的信息。可通过像素级融合、特征级融合和决策级融合等技术实现，在提高图像质量、增加信息量、遥感图像处理及计算机视觉和机器人技术中均有多种用途。 目标检测是计算机视觉领域的重要任务，旨在图像或视频中准确识别和定位特定对象。随着多模态数据的广泛应用，将不同模态信息融合能进一步提升目标检测的性能和鲁棒性。 图像融合和目标检测均是计算机视觉领域的重要技术，在多个领域有广泛应用前景和研究价值。 图像融合的大致原理是将多个不同图像合并成新图像以获得更准确、全面的信息，相关算法有小波变换、基于金字塔变换的多分辨率融合、基于区域的图像融合、基于特征的图像融合等。 目标检测的大致原理是在图像中找到特定目标并进行定位和识别，相关算法有基于深度学习的目标检测算法（如 RCNN、Fast RCNN、Faster RCNN、YOLO、SSD 等）、基于传统计算机视觉技术的目标检测算法（如 HOG、SIFT、SURF 等）。
2024-12-10
当前最好的开源目标检测
目前较好的开源目标检测算法包括： 基于深度学习的目标检测算法，如 RCNN、Fast RCNN、Faster RCNN、YOLO、SSD 等。 基于传统计算机视觉技术的目标检测算法，如 HOG、SIFT、SURF 等。 YOLOv8 是一款出色的目标检测跟踪模型，具有快速准确的多对象识别和定位能力，支持实例分割、人体姿态估计等，多平台兼容，是一站式视觉识别解决方案。其详细介绍可参考：https://docs.ultralytics.com/models/ ，GitHub 地址为：https://github.com/ultralytics/ultralytics
2024-11-04
开源音频质量检测模型有哪些？
以下为一些开源音频质量检测模型： 此外，还有： VALLEX：一个开源的多语言文本到语音合成与语音克隆模型。它支持多种语言（英语、中文和日语）和零样本语音克隆，具有语音情感控制和口音控制等高级功能。 智谱·AI 自 2019 年成立以来推出并开源的多款模型，具体可参考。但请注意，Token 数代表了模型支持的总 Token 数量，包括了输入+输出的所有 token，且一个 token 约等于 1.8 个汉字。
2024-10-16
请阐述对比学习在图像分类和检测中的应用
在计算机视觉中，对比学习在图像分类和检测中有重要应用。 图像分类方面：图像分类是根据图像中的语义信息对不同类别的图像进行区分。对比学习通过让模型学习区分相似和不同的图像样本，从而更好地捕捉图像中的语义特征，提高分类的准确性。 目标检测方面：目标检测需要找出图像或视频中的目标物体，并检测出其位置和大小。对比学习可以帮助模型学习到更具判别性的特征表示，从而更准确地定位和识别目标物体。在多类别目标检测中，对比学习有助于区分不同类别的物体，提高检测的精度和效率。 总之，对比学习为图像分类和检测任务提供了有效的特征学习方法，有助于提升计算机视觉系统的性能。
2024-10-15
我计划检测一张图片中的玉米。我使用python怎么实现这个目的。
要使用 Python 检测一张图片中的玉米，您可以考虑使用一些图像处理和机器学习的库，比如 OpenCV 和 TensorFlow 等。 使用 OpenCV 可以进行图像的读取、预处理和特征提取。首先读取图片，然后可能需要进行一些图像增强、滤波等操作来改善图像质量，以便后续的检测。 如果使用 TensorFlow 等深度学习框架，可以构建一个卷积神经网络（CNN）模型来进行玉米的检测。您需要准备包含玉米和非玉米的大量图片数据集，并对数据进行标注，然后训练模型。 但具体的实现会比较复杂，需要您具备一定的图像处理和机器学习知识。
2024-09-18
评测模型生图好坏的标准
评测模型生图好坏的标准主要包括以下几个方面： 1. 模型选择： 基础模型（Checkpoint）：生图必需，不同模型适用于不同主题。 Lora：低阶自适应模型，可用于精细控制面部、材质、物品等细节。 ControlNet：控制图片中特定图像，如人物姿态、生成特定文字等。 VAE：类似于滤镜，可调整生图饱和度。 2. 提示词设置： 正向提示词（Prompt）：描述想要 AI 生成的内容。 负向提示词（Negative Prompt）：描述想要 AI 避免产生的内容。 3. 图片视觉质量： 自然度和美观度是关键指标。 可从数据和训练方法两方面提升，如使用特定的网络结构。 4. 文字生成能力： 目前未有模型具有良好的中文文字生成能力。 提升中文文字生成能力需从多方面准备数据。 需要注意的是，模型生图的效果并非完全由这些标准决定，还可能受到其他因素的影响，需要不断尝试和学习以获得更好的生图效果。
2024-12-26
ocr大模型的原理
OCR 大模型的原理如下： 1. 生成式：大模型根据已有的输入为基础，不断计算生成下一个字词（token），逐字完成回答。例如，一开始给定提示词，大模型结合自身存储的知识进行计算推理，算出下一个单词的概率并输出，新的输出与过去的输入一起成为新的输入来计算下一个词，直到计算出的概率最大时结束输出。 2. 预训练：大模型“脑袋”里存储的知识都是预先学习好的，这个预先学习并把对知识的理解存储记忆在“脑袋”里的过程称为预训练。预训练需要花费大量时间和算力资源，且在没有其他外部帮助的情况下，大模型所知道的知识信息可能不完备和滞后。 3. 规模效应：参数规模的增加使得大模型实现了量变到质变的突破，最终“涌现”出惊人的“智能”。就像人类自身，无论是物种进化还是个体学习成长，都有类似“涌现”的结构。
2024-12-26
目前字节有哪些可以运用到安全审核业务的大模型？
字节在安全审核业务中可能运用到的大模型包括： 1. Claude2100k 模型，其上下文上限是 100k Tokens，即 100000 个 token。 2. ChatGPT16k 模型，其上下文上限是 16k Tokens，即 16000 个 token。 3. ChatGPT432k 模型，其上下文上限是 32k Tokens，即 32000 个 token。 大模型的相关知识： 1. 大模型中的数字化便于计算机处理，为让计算机理解 Token 之间的联系，需把 Token 表示成稠密矩阵向量，这个过程称为 embedding，常见算法有基于统计的 Word2Vec、GloVe，基于深度网络的 CNN、RNN/LSTM，基于神经网络的 BERT、Doc2Vec 等。 2. 以 Transform 为代表的大模型采用自注意力机制来学习不同 token 之间的依赖关系，生成高质量 embedding。大模型的“大”指用于表达 token 之间关系的参数多，例如 GPT3 拥有 1750 亿参数。 3. 大模型的架构包括 encoderonly（适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT）、encoderdecoder（同时结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，代表是 google 的 T5）、decoderonly（更擅长自然语言生成任务，典型使用包括故事写作和博客生成，众多 AI 助手基本都来自此架构）。大模型的特点包括预训练数据非常大（往往来自互联网，包括论文、代码、公开网页等，一般用 TB 级数据进行预训练）、参数非常多（如 Open 在 2020 年发布的 GPT3 已达到 170B 的参数）。
2024-12-25
大模型在金融领域的量化投研领域的应用
大模型在金融领域的量化投研领域有以下应用和特点： 1. 大型系统工程： 量化和大模型都需要大型计算集群，上万张卡的互联是对基础设施的极致挑战。量化对性能和效率有极致追求，交易指令速度至关重要；大模型在基础设施层面的每一点提升都能优化训练效率。 细节在大型系统工程中十分关键。量化交易系统包含多个方面，任何环节出问题都会导致交易系统失败；大模型预训练从数据到评估包含大量细节，如数据配比、顺序、训练策略等。 2. 本土化机会： 很多 Global 的量化基金到中国会水土不服，国家政策也限制其大规模开展业务，给国内量化基金崛起机会。 OpenAI、Google、Meta 等的模型中文能力一般，未对中国国情优化，不符合政策要求，给国内大模型公司本土化预训练机会。 两者都受政策影响极大，需要有效监管才能健康发展。 3. 其他相似之处： 少数精英的人赚大量的钱，做大模型和金融量化都不用很多人，但每个人都要绝顶聪明。 核心问题一样，下一个 token 预测和下一个股价预测类似。 都需要大量数据，都追求可解释性。 作者：黄文灏 源地址：https://zhuanlan.zhihu.com/p/646909899 最近和朋友讨论发现大模型预训练和金融量化有很多相似之处，作者恰好同时具有两者背景，做了对比。
2024-12-25
大模型在办公场景的应用
大模型在办公场景有诸多应用，具体如下： 基础办公提效：在 PPT、Excel、会议报告、策划会、文案包装、图文海报、客服机器人 bot 等方面，能从单个任务 task 到角色 role 再到角色间协同 collaboration 显著提高工作效率。 人力资源管理：覆盖招聘初期（如职位描述生成、简历分析、面试题设计）、员工绩效评估（分析员工工作表现，识别绩效趋势和提升点，为管理层提供数据支持的绩效反馈）以及员工培训与发展各个环节，提高工作效率。 通俗来讲，大模型是输入大量语料，让计算机获得类似人类的“思考”能力，能够理解自然语言，进行文本生成、推理问答、对话、文档摘要等工作。其训练和使用过程可类比为上学参加工作： 1. 找学校：训练大模型需要大量计算，GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用合适的算法讲述“书本”中的内容，让大模型更好理解 Token 之间的关系。 4. 就业指导：为了让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，正式干活，比如进行翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位，能代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与 LLM 可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表（Vocabulary）。 此外，在游戏行业，大模型能降低成本，打造创新玩法，提供更好的游戏体验。如网易推出的首款 AI 手游《逆水寒》，将 AIGC 应用于美术开发，在 NPC 与玩家的交互上呈现独特剧情体验，还内嵌了全自动“AI 作词机”。在健身行业，AI 减重顾问既能解决售前客服问题，也能解决学员离开健身营之后的健康监护，提高学员体验。
2024-12-25
图像对比与图像搜索这块，有没有哪个ai大模型做的比较好比较深入的
在图像对比与图像搜索方面，以下是一些相关的 AI 大模型特点和应用： RAG（检索增强生成）：通过引用外部数据源为模型做数据补充，适用于动态知识更新需求高的任务。其原理是在基础大模型基础上引用外部数据，对搜索到的数据信息进行切片、拆分和语义理解，再根据用户提问进行检索和回答，但比基座模型更耗时。RAG 是一个检索生成框架，能够支持在本地运行。 AI 搜索：结合了多种能力，如 fine tuning、实时联网查询和查询知识源等，能够为用户整理出想要的内容。一些 AI 搜索平台专注于特定领域，如为程序员提供代码搜索。 多模态大模型：像能唱会跳、精通多种技能的机器人，能看见、听见、思考、说话，例如能识别物体、听取指令等。 生成式模型和决策式模型：决策式模型偏向逻辑判断，按预设程序固定输出；生成式模型偏随机性，能动态组合并结构化呈现，如在图像识别中，决策式模型返回关键词，生成式模型用语言表达结构化信息。
2024-12-25
文生视频目前最新最主流好用的有哪些，国内外均可
以下是一些国内外最新且主流好用的文生视频工具： 1. Pika：擅长动画制作，支持视频编辑。 2. SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 3. Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 4. Kaiber：能将原视频转换成各种风格的视频。 5. Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多的文生视频网站可查看：https://www.waytoagi.com/category/38 。 以生成方式划分，当前视频生成可分为文生视频、图生视频与视频生视频。视频生成涉及深度学习技术，如 GANs 和 Video Diffusion，主流生成模型为扩散模型。一些具有代表性的海外项目如： 1. Sora（OpenAI）：以扩散 Transformer 模型为核心，能生成长达一分钟的高保真视频，支持多种生成方式，在文本理解方面表现出色，能在单个生成的视频中创建多个镜头，保留角色和视觉风格。 2. Genie（Google）：采用 STtransformer 架构，包括潜在动作模型、视频分词器与动力学模型，拥有 110 亿参数，被定位为基础世界模型，可通过单张图像提示生成交互式环境。
2024-12-26
AIGC视频生成领域的最新技术动态
以下是 AIGC 视频生成领域的最新技术动态： 以生成方式划分，当前视频生成可分为文生视频、图生视频与视频生视频。主流生成模型为扩散模型，其涉及深度学习技术如 GANs 和 Video Diffusion。视频生成可用于娱乐、体育分析和自动驾驶等领域，且经常与语音生成一起使用。 用于语音生成的模型可以由 Transformers 提供，可用于文本到语音的转换、虚拟助手和语音克隆等。生成音频信号常用的技术包括循环神经网络（RNNs）、长短时记忆网络（LSTMs）、WaveNet 等。 一些具有代表性的海外项目： Sora（OpenAI）：以扩散 Transformer 模型为核心，能够生成长达一分钟的高保真视频。支持文本生成视频、视频生成视频、图像生成视频，在文本理解方面表现出色，还能在单个生成的视频中创建多个镜头，保留角色和视觉风格。 Genie（Google）：采用 STtransformer 架构，包括潜在动作模型、视频分词器与动力学模型，拥有 110 亿参数，可通过单张图像提示生成交互式环境。 此外，AIGC 周刊中也有相关动态： 2024 年 7 月第三周：未提及视频生成领域的具体内容。 2024 年 7 月第四周：未提及视频生成领域的具体内容。 2024 年 7 月第五周：未提及视频生成领域的具体内容。 2024 年 8 月第一周：未提及视频生成领域的具体内容。 在 AIGC 概述中提到，AIGC 主要分为语言文本生成、图像生成和音视频生成。音视频生成利用扩散模型、GANs 和 Video Diffusion 等，广泛应用于娱乐和语音生成，代表项目有 Sora 和 WaveNet。此外，AIGC 还可应用于音乐生成、游戏开发和医疗保健等领域，展现出广泛的应用前景。
2024-12-26
AIGC视频生成领域的最新技术动态
以下是 AIGC 视频生成领域的最新技术动态： 以生成方式划分，当前视频生成可分为文生视频、图生视频与视频生视频。主流生成模型为扩散模型，其涉及深度学习技术，如 GANs 和 Video Diffusion。视频生成可用于娱乐、体育分析和自动驾驶等领域，且经常与语音生成一起使用。 用于语音生成的模型可以由 Transformers 提供，可用于文本到语音的转换、虚拟助手和语音克隆等。生成音频信号常用的技术包括循环神经网络（RNNs）、长短时记忆网络（LSTMs）、WaveNet 等。 一些具有代表性的海外项目： Sora（OpenAI）：以扩散 Transformer 模型为核心，能够生成长达一分钟的高保真视频。支持文本生成视频、视频生成视频、图像生成视频，在文本理解方面表现出色，还能在单个生成的视频中创建多个镜头，保留角色和视觉风格。 Genie（Google）：采用 STtransformer 架构，包括潜在动作模型、视频分词器与动力学模型，拥有 110 亿参数，可通过单张图像提示生成交互式环境。 此外，AIGC 周刊中也有相关动态： 2024 年 7 月第三周：未提及视频生成的具体内容。 2024 年 7 月第四周：未提及视频生成的具体内容。 2024 年 7 月第五周：未提及视频生成的具体内容。 2024 年 8 月第一周：未提及视频生成的具体内容。 AIGC 作为一种强大的技术，能够赋能诸多领域，但也存在多重潜在的合规风险。我国对 AIGC 的监管框架由多部法律法规构成。AIGC 主要分为语言文本生成、图像生成和音视频生成，在多个领域展现出广泛的应用前景。
2024-12-26
关于最新AI的软件有哪些
以下是一些最新的 AI 软件： AI 摄影参数调整助手：使用图像识别、数据分析技术，常见于摄影 APP 中的参数调整功能，市场规模达数亿美元，能根据场景自动调整摄影参数。 AI 音乐情感分析平台：运用机器学习、音频处理技术，有音乐情感分析软件，市场规模达数亿美元，可分析音乐的情感表达。 AI 家居智能照明系统：基于物联网技术、机器学习，如小米智能照明系统，市场规模达数十亿美元，能实现家居照明的智能化控制。 AI 金融风险预警平台：采用数据分析、机器学习技术，有金融风险预警软件，市场规模达数十亿美元，可提前预警金融风险。 AI 旅游路线优化平台：借助数据分析、自然语言处理技术，如马蜂窝路线优化功能，市场规模达数亿美元，能根据用户需求优化旅游路线。 AI 游戏道具推荐系统：通过数据分析、机器学习技术，常见于游戏内商城推荐功能，市场规模达数亿美元，可根据玩家需求推荐游戏道具。 AI 天气预报分时服务：利用数据分析、机器学习技术，如彩云天气分时预报，市场规模达数亿美元，能提供精准的分时天气预报。 AI 医疗病历分析平台：运用数据分析、自然语言处理技术，如医渡云病历分析系统，市场规模达数十亿美元，可分析医疗病历，辅助诊断。 AI 会议发言总结工具：借助自然语言处理、机器学习技术，如讯飞听见会议总结功能，市场规模达数亿美元，能自动总结会议发言内容。 AI 书法作品临摹辅助工具：使用图像识别、数据分析技术，有书法临摹软件，市场规模达数亿美元，可帮助书法爱好者进行临摹。 智联招聘 APP 中的 AI 招聘筛选工具：采用自然语言处理、机器学习技术，市场规模达数亿美元，能帮助企业快速筛选简历，提高招聘效率。 贝壳找房 APP 中的 AI 房地产评估系统：基于数据分析、机器学习技术，市场规模达数亿美元，可准确评估房地产价值，为买卖双方提供参考。 腾讯游戏助手中的 AI 游戏角色生成器：运用图像生成、机器学习技术，市场规模达数亿美元，可为游戏开发者生成独特的游戏角色。 墨迹天气 APP 中的 AI 天气预报助手：借助数据分析、机器学习技术，市场规模达数亿美元，能提供精准的天气预报和气象预警。
2024-12-25
最新ai资料网站在哪
以下是为您推荐的一些获取最新 AI 资料的网站： 原文地址：https://a16z.com/2023/05/25/aicanon/ ，其中包含对现代 AI 的精选资源列表。 GitHub 合集：https://github.com/bleedline/aimoneyhunter ，汇总了 AI 创业或副业的相关资料。 此外，您还可以通过以下途径获取最新 AI 资料： 订阅赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，获取最新信息。 关注 Xiaohu.AI 日报，例如：https://x.com/xiaohuggg/status/ ，其中包含多方面的 AI 最新动态。 希望这些信息对您有所帮助。
2024-12-18
sd最新的模式是什么
Stable Diffusion（SD）最新的模式包括： 1. 隐藏在光里的秘密，AI造字光与影的艺术中，将 lightingBasedPicture 模型的终止时机由 0.6 提高到 0.7 能使文字更好识别，但再提高字会显得太突兀，需把握平衡。 2. Stability AI 正式发布了期待已久的 SDXL 1.0。SDXL 1.0 由两个模型组成，第二个模型能生成更鲜艳、更准确的颜色，且比前身具有更好的对比度、光照和阴影。SDXL 1.0 是所有开放获取图像模型中参数数量最多的模型之一，拥有 3.5B 参数基础模型和 6.6B 参数模型集成管道。 如果您想要最新的 controlnet 模型，可以添加公众号【白马与少年】，回复【SD】获取。
2024-12-17