标签：DALL·E 3

贾佳亚团队的最新开源项目Mini-Gemini结合了ChatGPT和DALL·E 3的功能，提供了一站式的图像推理和生成解决方案。这款多模态模型在多个指标上表现出色，甚至可与商业闭源模型相媲美。Mini-Gemini支持高清图像处理，能进行精确理解、图像解析推理，以及生成相关图像。其Demo展示出的性能令网友赞叹，能进行手把手的教学、识别图像元素并提供建议，还能通过多轮对话生成连环故事。 Mini-Gemini的核心技术包括高清图像的双编码器机制、高质量训练数据和生成模型数据拓展。它使用Transformer的Attention机制，结合ViT和卷积网络，...

近日，奥特曼推出OpenAI的创新成果——视频生成模型Sora，这是继DALL·E 3后的又一力作，可生成长达1分钟的高清视频。Sora展现了强大的场景构建能力，如热闹的春节、雨后东京的光影效果，甚至能模拟好莱坞电影预告片的质感。模型能理解并执行复杂的指令，如群体动态和物理交互，如纸飞机在森林中的飞行。 然而，Sora尚存不足，如物理模拟精度和因果理解，有时会出现对象数量变化或空间细节混淆等问题。技术上，Sora基于扩散模型，采用Transformer架构，能处理不同格式的视觉数据，并利用DALL·E 3的重述提示词技术增强指令遵循...