Technologie-Peripheriegeräte
KI
„Mittendrin im Bereich Video'! Interne Beta-Arbeit des KI-Videogenerierungs-Neulings Gen-2 ist durchgesickert, Internetnutzer sagten, sie sei zu realistisch
„Mittendrin im Bereich Video'! Interne Beta-Arbeit des KI-Videogenerierungs-Neulings Gen-2 ist durchgesickert, Internetnutzer sagten, sie sei zu realistisch
Gen-2, das KI-Tool zur Videogenerierung, das behauptet, Blockbuster in einem Satz drehen zu können, hat begonnen, sein wahres Gesicht zu offenbaren.
Ein Twitter-Blogger hat sich in der Qualifikation für die Closed Beta bereits an die Spitze gesetzt.
Dies ist das Ergebnis, das er mit dem Stichwort „Ein gut proportionierter oder symmetrischer Mann wurde in einer Bar interviewt“ generierte:
Ich sah einen Mann in einem dunklen Hemd, der die andere Person ansah und redete, seine Augen waren freundlich. Sein Gesichtsausdruck verriet Ernsthaftigkeit und Offenheit, und sein Gegenüber nickte von Zeit zu Zeit zustimmend.
Das gesamte Video ist sehr stimmig und die Bildqualität ist sehr klar. Auf den ersten Blick fühlt es sich an wie ein echtes Interview!
Eine andere Version der gleichen Aufforderungswortgenerierung ist auch nicht schlecht:
Dieses Mal ist die Kamera näher dran, der Hintergrund ist realistischer und die Charaktere sind immer noch ausdrucksstark.
Nachdem sie diese Reihe von Werken gelesen hatten, sagten einige Internetnutzer:
Es ist unglaublich, solche Ergebnisse können nur durch Textaufforderungen erzielt werden!
Einige Leute sagten unverblümt:
Das ist die Midjourney im Videobereich.
Blogger hat Gen-2 tatsächlich getestet
Dieser Blogger heißt Nick St. Pierre und ist darauf spezialisiert, seine mit KI erstellten Werke auf Twitter zu teilen.
Zusätzlich zu dem realistischen Stil, der zu Beginn zu sehen war, veröffentlichte er auch eine Reihe von Gen-2-Science-Fiction-Werken.
Zum Beispiel „Astronauten reisen durch den Weltraum“:
„Ein bewaffneter Soldat rennt den Korridor eines Raumschiffs entlang, ein Schatten zerstört die Wand hinter ihm“:
„Eine Roboterfamilie frisst Mikrochips in einem Menschenzoo " :
„Eine Armee humanoider Roboter kolonisiert die gefrorenen Ebenen" :
(Es hat die Dynamik der White Walker-Armee, die in Game of Thrones die Chinesische Mauer angreift ...)
" Der letzte Mann auf der Erde schaut zu: „Das einfallende Raumschiff landete über Tokio“:
...
Alle oben genannten Punkte können mit nur einem einzigen Wort erledigt werden, ohne dass auf andere Bilder und Videos zurückgegriffen werden muss.
Obwohl die Wirkung dieser Science-Fiction-Reihe der von „Mann in einer Bar wird interviewt“ etwas unterlegen ist, ist das Magische daran, dass sie mit dem „chaotischen“ Geschmack zu Beginn der Geburt der KI vergleichbar ist Bilderzeugungsmodell – Es scheint, dass ich zu dieser Zeit den Schatten von KI wie Stable Diffusion sehen kann.
Wie Nick St. Pierre sagte:
Gen-2 steckt noch in den Kinderschuhen und wird in Zukunft definitiv besser.
Wir haben auch einige Wirkungen im Internet gefunden, die von anderen Personen getestet wurden, die sich für interne Tests qualifiziert haben:
Man kann sagen, dass bis auf mehr schwierige Science-Fiction-Werke, und alles andere, was er macht, ist ziemlich gut.
Die KI-Videogenerierung boomt ebenfalls
Gen-2, ein auf die Videogenerierung spezialisiertes KI-Tool, wurde am 20. März veröffentlicht (Papier vom 11. März).
Als Neuling im AIGC-Bereich sind die Iterationsgeschwindigkeit und die Qualität ebenfalls recht hoch:
Die Gen-1-Version wurde erst im Februar geboren und konnte nur vorhandene Videos bearbeiten
Jetzt Gen-2 You kann bereits Texte und Bilder als Aufforderungswörter verwenden, um Videos direkt zu generieren.
Offiziell heißt es „der nächste Schritt in der generativen KI“, und der Slogan ist auch sehr dominant:
Sag es, sieh es. (Solange Sie es sagen können, kann ich es Ihnen zeigen)
Gen-2-Update bringt acht Hauptfunktionen auf einmal:
Venture-Video, Text + Referenzbildvideo, Standbild zu Video, Videostil-Migration , Storyboarding, Maske (z. B. die Verwandlung eines gehenden weißen Hundes in einen Dalmatiner), Rendering und Personalisierung (z. B. die Verwandlung eines Spielzeugmenschen in eine Schildkröte in Sekundenschnelle).
Wie die KI-Malerei hat ihr Aufkommen den Menschen die enormen Veränderungen bewusst gemacht, die in den Bereichen Film und Fernsehen, Spiele und Marketing verborgen sind.
Erwähnenswert ist auch die Entwicklungsfirma dahinter, nämlich Runway.
Runway wurde 2018 gegründet. Es hat technische Unterstützung für die Spezialeffekte von „The Instant Universe“ bereitgestellt und war auch an der Entwicklung von Stable Diffusion (einer vielversprechenden Aktie) beteiligt.
Tipps: Gen-1 kann bereits gespielt werden (nachdem 125 Möglichkeiten aufgebraucht sind, kann nur noch monatlich bezahlt werden), Gen-2 wurde noch nicht offiziell für die Öffentlichkeit freigegeben.
Zusätzlich zur Gen-Serie hat das Microsoft Asia Research Institute kürzlich auch eine KI veröffentlicht, die ultralange Videos basierend auf Text generieren kann: NUWA-XL.
Mit nur 16 einfachen Sätzen kann eine 11-minütige Animation erstellt werden:
Noch einen Schritt weiter: Am selben Tag, an dem Gen-2 veröffentlicht wurde, stellte die Alibaba Damo Academy auch Text-to als Open Source zur Verfügung -Video-KI mit 1,7 Milliarden Parametern:
Der Effekt ist der von Tante Jiang:
...
Es kann vorhergesagt werden, dass nicht nur die Bilderzeugung, sondern auch das Videofeld lebendig wird.
Ähm, wird es also die nächste Welle des Massen-KI-Karnevals sein?
Referenzlink:
[1]https://www.php.cn/link/4d7e0d72898ae7ea3593eb5ebf20c744
[2]https://www.php.cn/link/ e00944d55e6432ccf20f9fda2492b6fd
[3]https://www.php.cn/link/ce653013fadbb2ff27530d3de3790f1b
[4]https://www.php.cn/link/ 6e3adb1ae0e02c934766182313b6775d
[5]https://www.php.cn/link/b9b72b29352f3764ea4dec130772bd9d
[6]https://www.php.c n/link / 79d37fb2893b428f7ea4ed3b07a84096
Das obige ist der detaillierte Inhalt von„Mittendrin im Bereich Video'! Interne Beta-Arbeit des KI-Videogenerierungs-Neulings Gen-2 ist durchgesickert, Internetnutzer sagten, sie sei zu realistisch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Heiße KI -Werkzeuge
Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos
AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.
Undress AI Tool
Ausziehbilder kostenlos
Clothoff.io
KI-Kleiderentferner
AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.
Heißer Artikel
Heiße Werkzeuge
Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor
SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen
Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
Dreamweaver CS6
Visuelle Webentwicklungstools
SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
Heiße Themen
1376
52
Das weltweit leistungsstärkste Open-Source-MoE-Modell ist da, mit chinesischen Fähigkeiten, die mit GPT-4 vergleichbar sind, und der Preis beträgt nur fast ein Prozent von GPT-4-Turbo
May 07, 2024 pm 04:13 PM
Stellen Sie sich ein Modell der künstlichen Intelligenz vor, das nicht nur die Fähigkeit besitzt, die traditionelle Datenverarbeitung zu übertreffen, sondern auch eine effizientere Leistung zu geringeren Kosten erzielt. Dies ist keine Science-Fiction, DeepSeek-V2[1], das weltweit leistungsstärkste Open-Source-MoE-Modell, ist da. DeepSeek-V2 ist ein leistungsstarkes MoE-Sprachmodell (Mix of Experts) mit den Merkmalen eines wirtschaftlichen Trainings und einer effizienten Inferenz. Es besteht aus 236B Parametern, von denen 21B zur Aktivierung jedes Markers verwendet werden. Im Vergleich zu DeepSeek67B bietet DeepSeek-V2 eine stärkere Leistung, spart gleichzeitig 42,5 % der Trainingskosten, reduziert den KV-Cache um 93,3 % und erhöht den maximalen Generierungsdurchsatz auf das 5,76-fache. DeepSeek ist ein Unternehmen, das sich mit allgemeiner künstlicher Intelligenz beschäftigt
KI untergräbt die mathematische Forschung! Der Gewinner der Fields-Medaille und der chinesisch-amerikanische Mathematiker führten 11 hochrangige Arbeiten an | Gefällt mir bei Terence Tao
Apr 09, 2024 am 11:52 AM
KI verändert tatsächlich die Mathematik. Vor kurzem hat Tao Zhexuan, der diesem Thema große Aufmerksamkeit gewidmet hat, die neueste Ausgabe des „Bulletin of the American Mathematical Society“ (Bulletin der American Mathematical Society) weitergeleitet. Zum Thema „Werden Maschinen die Mathematik verändern?“ äußerten viele Mathematiker ihre Meinung. Der gesamte Prozess war voller Funken, knallhart und aufregend. Der Autor verfügt über eine starke Besetzung, darunter der Fields-Medaillengewinner Akshay Venkatesh, der chinesische Mathematiker Zheng Lejun, der NYU-Informatiker Ernest Davis und viele andere bekannte Wissenschaftler der Branche. Die Welt der KI hat sich dramatisch verändert. Viele dieser Artikel wurden vor einem Jahr eingereicht.
KAN, das MLP ersetzt, wurde durch Open-Source-Projekte auf Faltung erweitert
Jun 01, 2024 pm 10:03 PM
Anfang dieses Monats schlugen Forscher des MIT und anderer Institutionen eine vielversprechende Alternative zu MLP vor – KAN. KAN übertrifft MLP in Bezug auf Genauigkeit und Interpretierbarkeit. Und es kann MLP, das mit einer größeren Anzahl von Parametern ausgeführt wird, mit einer sehr kleinen Anzahl von Parametern übertreffen. Beispielsweise gaben die Autoren an, dass sie KAN nutzten, um die Ergebnisse von DeepMind mit einem kleineren Netzwerk und einem höheren Automatisierungsgrad zu reproduzieren. Konkret verfügt DeepMinds MLP über etwa 300.000 Parameter, während KAN nur etwa 200 Parameter hat. KAN hat eine starke mathematische Grundlage wie MLP und basiert auf dem universellen Approximationssatz, während KAN auf dem Kolmogorov-Arnold-Darstellungssatz basiert. Wie in der folgenden Abbildung gezeigt, hat KAN
Hallo, elektrischer Atlas! Der Boston Dynamics-Roboter erwacht wieder zum Leben, seltsame 180-Grad-Bewegungen machen Musk Angst
Apr 18, 2024 pm 07:58 PM
Boston Dynamics Atlas tritt offiziell in die Ära der Elektroroboter ein! Gestern hat sich der hydraulische Atlas einfach „unter Tränen“ von der Bühne der Geschichte zurückgezogen. Heute gab Boston Dynamics bekannt, dass der elektrische Atlas im Einsatz ist. Es scheint, dass Boston Dynamics im Bereich kommerzieller humanoider Roboter entschlossen ist, mit Tesla zu konkurrieren. Nach der Veröffentlichung des neuen Videos wurde es innerhalb von nur zehn Stunden bereits von mehr als einer Million Menschen angesehen. Die alten Leute gehen und neue Rollen entstehen. Das ist eine historische Notwendigkeit. Es besteht kein Zweifel, dass dieses Jahr das explosive Jahr der humanoiden Roboter ist. Netizens kommentierten: Die Weiterentwicklung der Roboter hat dazu geführt, dass die diesjährige Eröffnungsfeier wie Menschen aussieht, und der Freiheitsgrad ist weitaus größer als der von Menschen. Aber ist das wirklich kein Horrorfilm? Zu Beginn des Videos liegt Atlas ruhig auf dem Boden, scheinbar auf dem Rücken. Was folgt, ist atemberaubend
Tesla-Roboter arbeiten in Fabriken, Musk: Der Freiheitsgrad der Hände wird dieses Jahr 22 erreichen!
May 06, 2024 pm 04:13 PM
Das neueste Video von Teslas Roboter Optimus ist veröffentlicht und er kann bereits in der Fabrik arbeiten. Bei normaler Geschwindigkeit sortiert es Batterien (Teslas 4680-Batterien) so: Der Beamte hat auch veröffentlicht, wie es bei 20-facher Geschwindigkeit aussieht – auf einer kleinen „Workstation“, pflücken und pflücken und pflücken: Dieses Mal wird es freigegeben. Eines der Highlights Der Vorteil des Videos besteht darin, dass Optimus diese Arbeit in der Fabrik völlig autonom und ohne menschliches Eingreifen während des gesamten Prozesses erledigt. Und aus Sicht von Optimus kann es auch die krumme Batterie aufnehmen und platzieren, wobei der Schwerpunkt auf der automatischen Fehlerkorrektur liegt: In Bezug auf die Hand von Optimus gab der NVIDIA-Wissenschaftler Jim Fan eine hohe Bewertung ab: Die Hand von Optimus ist der fünffingrige Roboter der Welt am geschicktesten. Seine Hände sind nicht nur taktil
FisheyeDetNet: der erste Zielerkennungsalgorithmus basierend auf einer Fischaugenkamera
Apr 26, 2024 am 11:37 AM
Die Zielerkennung ist ein relativ ausgereiftes Problem in autonomen Fahrsystemen, wobei die Fußgängererkennung einer der ersten Algorithmen ist, die eingesetzt werden. In den meisten Arbeiten wurde eine sehr umfassende Recherche durchgeführt. Die Entfernungswahrnehmung mithilfe von Fischaugenkameras für die Rundumsicht ist jedoch relativ wenig untersucht. Aufgrund der großen radialen Verzerrung ist es schwierig, die standardmäßige Bounding-Box-Darstellung in Fischaugenkameras zu implementieren. Um die obige Beschreibung zu vereinfachen, untersuchen wir erweiterte Begrenzungsrahmen-, Ellipsen- und allgemeine Polygondesigns in Polar-/Winkeldarstellungen und definieren eine mIOU-Metrik für die Instanzsegmentierung, um diese Darstellungen zu analysieren. Das vorgeschlagene Modell „fisheyeDetNet“ mit polygonaler Form übertrifft andere Modelle und erreicht gleichzeitig 49,5 % mAP auf dem Valeo-Fisheye-Kameradatensatz für autonomes Fahren
Mit einer einzelnen Karte läuft Llama 70B schneller als mit zwei Karten, Microsoft hat gerade FP6 in A100 integriert |
Apr 29, 2024 pm 04:55 PM
FP8 und die geringere Gleitkomma-Quantifizierungsgenauigkeit sind nicht länger das „Patent“ von H100! Lao Huang wollte, dass jeder INT8/INT4 nutzt, und das Microsoft DeepSpeed-Team begann, FP6 auf A100 ohne offizielle Unterstützung von NVIDIA auszuführen. Testergebnisse zeigen, dass die FP6-Quantisierung der neuen Methode TC-FPx auf A100 nahe an INT4 liegt oder gelegentlich schneller als diese ist und eine höhere Genauigkeit aufweist als letztere. Darüber hinaus gibt es eine durchgängige Unterstützung großer Modelle, die als Open-Source-Lösung bereitgestellt und in Deep-Learning-Inferenz-Frameworks wie DeepSpeed integriert wurde. Dieses Ergebnis wirkt sich auch unmittelbar auf die Beschleunigung großer Modelle aus – in diesem Rahmen ist der Durchsatz bei Verwendung einer einzelnen Karte zum Ausführen von Llama 2,65-mal höher als der von Doppelkarten. eins
Das Neueste von der Universität Oxford! Mickey: 2D-Bildabgleich in 3D SOTA! (CVPR\'24)
Apr 23, 2024 pm 01:20 PM
Projektlink vorne geschrieben: https://nianticlabs.github.io/mickey/ Anhand zweier Bilder kann die Kameraposition zwischen ihnen geschätzt werden, indem die Korrespondenz zwischen den Bildern hergestellt wird. Normalerweise handelt es sich bei diesen Entsprechungen um 2D-zu-2D-Entsprechungen, und unsere geschätzten Posen sind maßstabsunabhängig. Einige Anwendungen, wie z. B. Instant Augmented Reality jederzeit und überall, erfordern eine Posenschätzung von Skalenmetriken und sind daher auf externe Tiefenschätzer angewiesen, um die Skalierung wiederherzustellen. In diesem Artikel wird MicKey vorgeschlagen, ein Keypoint-Matching-Prozess, mit dem metrische Korrespondenzen im 3D-Kameraraum vorhergesagt werden können. Durch das Erlernen des 3D-Koordinatenabgleichs zwischen Bildern können wir auf metrische Relativwerte schließen
