著名大模型开源平台stability.ai推出了——Stable Diffusion 3,据官方介绍,其对prompt的理解以及在图像质量、拼写能力方面的AI生图效果达到全新高度。关键是其创新的模型组合是在消耗更少的算力下实现的。
该创新模型指的是Transformer和Flow FMatching(简称“FM”)的组合。Transformer让AI效果更好,而FM这是更加高效的一种建模、训练技术。这样用不了多久在移动设备上实现更好的AI生图开发成为可能。
这就是开源平台的优势,越来越多的天才注视下,大模型由虚化实正在加速。
“有意见”留言板
@PC瑟瑟发抖:开源阵营追得好快,演示效果看起来很棒,有条件当然值得升级,但怎么又是waitlist?!而且参数规模比SD 2.1大了不少,根据Emad的说法,恐怕对硬件要求也更高了吧,起码用消费级PC带它感觉有点悬啊。
@变天了:采用了sora的架构,是不是侧面证明,美国的AI届现在已经在图片和视频生成上达成共识,diffusion transformers就是当前的最优解呢
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。