


Kesannya meletup! Model generasi video pertama OpenAI dikeluarkan, lancar dan definisi tinggi dalam 1 minit, netizen: Seluruh industri adalah RIP
Tadi, Ultraman mengeluarkan model generasi video pertama OpenAI Sora.
Mewarisi kualiti imej dan keupayaan mengikut arahan DALL·E 3 dengan sempurna, dan boleh menjana video definisi tinggi sepanjang 1 minit.
Pesta Musim Bunga Tahun Naga yang dibayangkan oleh AI, dengan bendera merah berkibar dan ramai orang.
Ramai kanak-kanak menonton pasukan tarian naga dengan rasa ingin tahu, dan sesetengah orang mengeluarkan telefon bimbit mereka untuk merakam gelagat orang yang berbeza.
Jalan-jalan Tokyo selepas hujan, tanah yang basah RefleksiKesan bayang cahaya neon setanding dengan RTX ON.
Tingkap kereta api yang sedang bergerak kadang-kadang disekat, dan pantulan watak-watak di dalam kereta muncul seketika, yang sangat menakjubkan.
Anda juga boleh menonton treler filem dengan kualiti blockbuster Hollywood:
Dari perspektif super dekat skrin menegak, cicak ini penuh dengan butiran:
mengajar AI untuk memahami dan mensimulasikan dunia fizikal dalam pergerakan , matlamatnya adalah untuk melatih model bagi membantu orang ramai menyelesaikan masalah yang memerlukan interaksi dunia sebenar
Menjana video berdasarkan gesaan teks hanyalah satu langkah daripada keseluruhan rancangan.menjana adegan kompleks dengan pelbagai watak dan pergerakan tertentu Ia bukan sahaja dapat memahami keperluan yang dibuat oleh pengguna dalam gesaan, tetapi juga memahami bagaimana objek ini wujud dalam dunia fizikal.
Sora juga boleh membuat berbilang tangkapan dalam satu video dan bergantung pada pemahaman bahasa yang mendalam untuk mentafsir perkataan kiu dengan tepat, mengekalkan watak dan gaya visual. Tokyo yang cantik dan bersalji sedang sibuk dengan orang ramai. Kamera bergerak melalui jalan-jalan bandar yang sibuk, mengikuti beberapa orang menikmati hari bersalji yang indah dan membeli-belah di gerai berdekatan. Kelopak bunga sakura yang cantik berkibar ditiup angin bersama-sama dengan kepingan salji. OpenAI tidak segan silu tentang kelemahan Sora semasa, menunjukkan bahawa mungkinsukar untuk mensimulasikan dengan tepat prinsip fizikal adegan kompleks, dan ia mungkin tidak dapat memahami hubungan sebab akibat .
Contohnya, "Lima ekor anak serigala kelabu sedang bermain dan mengejar antara satu sama lain di jalan berbatu terpencil."mengelirukan butiran spatial isyarat , seperti mengelirukan kiri dan kanan, dan mungkin mengalami kesukaran untuk menerangkan peristiwa dengan tepat dari semasa ke semasa seperti mengikuti kamera tertentu. Sebagai contoh, dalam perkataan gesaan "Bola keranjang melepasi bakul dan meletup", bola keranjang tidak disekat oleh bakul dengan betul.
Dari segi teknologi, OpenAI tidak banyak mendedahkan pada masa ini Pengenalan ringkas adalah seperti berikut:
Sora ialah model resapan, bermula daripada bunyi bising, ia boleh menjana keseluruhan video pada satu masa atau memanjangkan panjang video. Kunci
ialah menjana ramalan untuk berbilang bingkai pada satu masa, memastikan. bahawa subjek gambar boleh dikesan walaupun dia meninggalkan medan pandangan sementara boleh kekal tidak berubah.
Sama seperti model GPT, Sora menggunakan seni bina Transformer, yang sangat berskala.
Dari segi data, OpenAI mewakili video dan imej sebagai tampalan, serupa dengan token dalam GPT.
Dengan perwakilan data bersatu ini, model boleh dilatih pada julat data visual yang lebih luas berbanding sebelum ini, meliputi tempoh, resolusi dan nisbah bidang yang berbeza.
Sora membina penyelidikan lepas tentang model DALL·E dan GPT. Ia menggunakan teknologi kata gesaan pernyataan semula DALL·E 3 untuk menjana anotasi yang sangat deskriptif untuk data latihan visual, supaya ia boleh mengikuti arahan teks pengguna dengan lebih setia.
Selain dapat menjana video berdasarkan arahan teks semata-mata, model ini juga mampu mengambil imej statik sedia ada dan menjana video daripadanya, menghidupkan kandungan imej dengan tepat dan memberi perhatian kepada butiran kecil.
Model juga boleh mengambil video sedia ada dan memanjangkannya atau mengisi bingkai yang hilang, lihat kertas teknikal untuk maklumat lanjut (akan dikeluarkan kemudian) .
Sora ialah asas untuk model yang boleh memahami dan mensimulasikan dunia sebenar OpenAI percaya bahawa ciri ini akan menjadi peristiwa penting dalam mencapai AGI.
Ultraman menerima pesanan dalam talian
Sebilangan artis visual, pereka dan pembuat filem (serta pekerja OpenAI) telah pun mendapat akses kepada Sora.
Mereka mula menerbitkan karya baharu secara berterusan, dan Ultraman juga mula menerima tempahan dalam talian.
Masukkan kata gesaan anda @sama dan anda mungkin menerima balasan video yang dihasilkan.
Atas ialah kandungan terperinci Kesannya meletup! Model generasi video pertama OpenAI dikeluarkan, lancar dan definisi tinggi dalam 1 minit, netizen: Seluruh industri adalah RIP. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas





0. Apakah fungsi artikel ini? Kami mencadangkan DepthFM: model anggaran kedalaman monokular generatif yang serba boleh dan pantas. Sebagai tambahan kepada tugas anggaran kedalaman tradisional, DepthFM juga menunjukkan keupayaan terkini dalam tugas hiliran seperti mengecat kedalaman. DepthFM cekap dan boleh mensintesis peta kedalaman dalam beberapa langkah inferens. Mari kita baca karya ini bersama-sama ~ 1. Tajuk maklumat kertas: DepthFM: FastMonocularDepthEstimationwithFlowMatching Pengarang: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

Bayangkan model kecerdasan buatan yang bukan sahaja mempunyai keupayaan untuk mengatasi pengkomputeran tradisional, tetapi juga mencapai prestasi yang lebih cekap pada kos yang lebih rendah. Ini bukan fiksyen sains, DeepSeek-V2[1], model MoE sumber terbuka paling berkuasa di dunia ada di sini. DeepSeek-V2 ialah gabungan model bahasa pakar (MoE) yang berkuasa dengan ciri-ciri latihan ekonomi dan inferens yang cekap. Ia terdiri daripada 236B parameter, 21B daripadanya digunakan untuk mengaktifkan setiap penanda. Berbanding dengan DeepSeek67B, DeepSeek-V2 mempunyai prestasi yang lebih kukuh, sambil menjimatkan 42.5% kos latihan, mengurangkan cache KV sebanyak 93.3% dan meningkatkan daya pemprosesan penjanaan maksimum kepada 5.76 kali. DeepSeek ialah sebuah syarikat yang meneroka kecerdasan buatan am

AI memang mengubah matematik. Baru-baru ini, Tao Zhexuan, yang telah mengambil perhatian terhadap isu ini, telah memajukan keluaran terbaru "Buletin Persatuan Matematik Amerika" (Buletin Persatuan Matematik Amerika). Memfokuskan pada topik "Adakah mesin akan mengubah matematik?", ramai ahli matematik menyatakan pendapat mereka Seluruh proses itu penuh dengan percikan api, tegar dan menarik. Penulis mempunyai barisan yang kuat, termasuk pemenang Fields Medal Akshay Venkatesh, ahli matematik China Zheng Lejun, saintis komputer NYU Ernest Davis dan ramai lagi sarjana terkenal dalam industri. Dunia AI telah berubah secara mendadak Anda tahu, banyak artikel ini telah dihantar setahun yang lalu.

Boston Dynamics Atlas secara rasmi memasuki era robot elektrik! Semalam, Atlas hidraulik hanya "menangis" menarik diri daripada peringkat sejarah Hari ini, Boston Dynamics mengumumkan bahawa Atlas elektrik sedang berfungsi. Nampaknya dalam bidang robot humanoid komersial, Boston Dynamics berazam untuk bersaing dengan Tesla. Selepas video baharu itu dikeluarkan, ia telah pun ditonton oleh lebih sejuta orang dalam masa sepuluh jam sahaja. Orang lama pergi dan peranan baru muncul. Ini adalah keperluan sejarah. Tidak dinafikan bahawa tahun ini adalah tahun letupan robot humanoid. Netizen mengulas: Kemajuan robot telah menjadikan majlis pembukaan tahun ini kelihatan seperti manusia, dan tahap kebebasan adalah jauh lebih besar daripada manusia Tetapi adakah ini benar-benar bukan filem seram? Pada permulaan video, Atlas berbaring dengan tenang di atas tanah, seolah-olah terlentang. Apa yang berikut adalah rahang-jatuh

Awal bulan ini, penyelidik dari MIT dan institusi lain mencadangkan alternatif yang sangat menjanjikan kepada MLP - KAN. KAN mengatasi MLP dari segi ketepatan dan kebolehtafsiran. Dan ia boleh mengatasi prestasi MLP berjalan dengan bilangan parameter yang lebih besar dengan bilangan parameter yang sangat kecil. Sebagai contoh, penulis menyatakan bahawa mereka menggunakan KAN untuk menghasilkan semula keputusan DeepMind dengan rangkaian yang lebih kecil dan tahap automasi yang lebih tinggi. Khususnya, MLP DeepMind mempunyai kira-kira 300,000 parameter, manakala KAN hanya mempunyai kira-kira 200 parameter. KAN mempunyai asas matematik yang kukuh seperti MLP berdasarkan teorem penghampiran universal, manakala KAN berdasarkan teorem perwakilan Kolmogorov-Arnold. Seperti yang ditunjukkan dalam rajah di bawah, KAN telah

Pengesanan objek ialah masalah yang agak matang dalam sistem pemanduan autonomi, antaranya pengesanan pejalan kaki adalah salah satu algoritma terawal untuk digunakan. Penyelidikan yang sangat komprehensif telah dijalankan dalam kebanyakan kertas kerja. Walau bagaimanapun, persepsi jarak menggunakan kamera fisheye untuk pandangan sekeliling agak kurang dikaji. Disebabkan herotan jejari yang besar, perwakilan kotak sempadan standard sukar dilaksanakan dalam kamera fisheye. Untuk mengurangkan perihalan di atas, kami meneroka kotak sempadan lanjutan, elips dan reka bentuk poligon am ke dalam perwakilan kutub/sudut dan mentakrifkan metrik mIOU pembahagian contoh untuk menganalisis perwakilan ini. Model fisheyeDetNet yang dicadangkan dengan bentuk poligon mengatasi model lain dan pada masa yang sama mencapai 49.5% mAP pada set data kamera fisheye Valeo untuk pemanduan autonomi

Saya menangis hingga mati. Dunia sedang membina model besar. Data di Internet tidak mencukupi. Model latihan kelihatan seperti "The Hunger Games", dan penyelidik AI di seluruh dunia bimbang tentang cara memberi makan data ini kepada pemakan yang rakus. Masalah ini amat ketara dalam tugas berbilang modal. Pada masa mereka mengalami kerugian, pasukan pemula dari Jabatan Universiti Renmin China menggunakan model baharu mereka sendiri untuk menjadi yang pertama di China untuk menjadikan "suapan data yang dijana model itu sendiri" menjadi kenyataan. Selain itu, ia merupakan pendekatan serampang dua mata dari segi pemahaman dan sisi penjanaan Kedua-dua pihak boleh menjana data baharu berbilang modal yang berkualiti tinggi dan memberikan maklum balas data kepada model itu sendiri. Apakah model? Awaker 1.0, model berbilang modal besar yang baru sahaja muncul di Forum Zhongguancun. Siapa pasukan itu? Enjin Sophon. Diasaskan oleh Gao Yizhao, pelajar kedoktoran di Sekolah Kecerdasan Buatan Hillhouse Universiti Renmin.

Apa? Adakah Zootopia dibawa menjadi realiti oleh AI domestik? Didedahkan bersama-sama dengan video itu ialah model penjanaan video domestik berskala besar baharu yang dipanggil "Keling". Sora menggunakan laluan teknikal yang serupa dan menggabungkan beberapa inovasi teknologi yang dibangunkan sendiri untuk menghasilkan video yang bukan sahaja mempunyai pergerakan yang besar dan munasabah, tetapi juga mensimulasikan ciri-ciri dunia fizikal dan mempunyai keupayaan gabungan konsep dan imaginasi yang kuat. Mengikut data, Keling menyokong penjanaan video ultra panjang sehingga 2 minit pada 30fps, dengan resolusi sehingga 1080p dan menyokong berbilang nisbah aspek. Satu lagi perkara penting ialah Keling bukanlah demo atau demonstrasi hasil video yang dikeluarkan oleh makmal, tetapi aplikasi peringkat produk yang dilancarkan oleh Kuaishou, pemain terkemuka dalam bidang video pendek. Selain itu, tumpuan utama adalah untuk menjadi pragmatik, bukan untuk menulis cek kosong, dan pergi ke dalam talian sebaik sahaja ia dikeluarkan Model besar Ke Ling telah pun dikeluarkan di Kuaiying.
