HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

在线教程 | 一键启动 Sora 开源平替,俘获 45 万 AI 开发者

1888年,爱迪生提交了一项名为「活动电影放映机」的专利,该设备首次实现连续播放静态照片,形成类似动态画面的效果,由此拉开了视频发展的序幕。回顾历史,视频经历了从无到有、从黑白到彩色、从模拟信号到数字信号的迭代。过去,视频的制作包括了脚本/剧本创作、拍摄、剪辑、配音、校审等多个步骤。时至今日,

谷歌人工智能提前 5 天预测河流洪水

引言洪水对流量及网络稀疏的发展中国家的影响尤为严重,这凸显了准确预警的必要性。气候变化导致的洪灾加速发生,凸显了建立有效预警系统的紧迫性,特别是在低收入和中等收入国家,那里有90%的脆弱人口居住。根据世界银行的数据,将发展中国家的洪水预警系统升级为制定标准,平均每年可以挽救23,000人

【AAAI 2024】MuLTI:高效视频与语言理解

简介:多模态理解模型具有广泛的应用,比如多标签分类、视频问答(videoQA)和文本视频检索等。现有的方法已经在视频和语言理解方面取得了重大进展,然而,他们仍然面临两个巨大的挑战:无法充分的利用现有的特征;训练时巨大的GPU内存消耗。我们提出了MuLTI,这是一种高度准确高效的视频和语言理解

【AAAI 2024】M2Doc:文档版面分析的可插拔多模态融合方法

一、文章介绍文档版面分析任务是文档智能的一个关键任务。然而,现有的很多文档版面分析研究方法都基于通用目标检测方法,忽视了文档的文本特征而仅仅只关注于视觉特征。近年来,基于预训练的文档智能模型在很多文档下游任务中都取得了成功,然而在具体的文档版面分析任务上同样也只是简单将预训练的参数迁移到

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。