“O”:视频输出。2023年，我们看到了文字到视频合成的浪潮:WALT（谷歌）、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等，数不胜数。然而，大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
1、清华、浙大等中国顶尖学府提供了性能优异的GPT-4V开源替代方案。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
在跨年活动的这几天，游戏里还会全天候开启「主题花车游行」。展出的5辆花车，融入了今年8个派对季的经典元素，人气偶像曜星、知名丛林冒险家小萨等热门角色也会搭乘派对季主题花车，再度回归蛋仔岛。玩家在游戏中还可以跟随甚至跳上花车，一起在蛋仔岛上巡游。
在实验中，Paint3D通过一系列的量化和定性实验证明了其在生成多样化纹理贴图方面的显著能力。通过评估FID得分和用户调研，实验结果显示Paint3D在纹理生成质量和符合输入条件方面都优于当前最佳的纹理生成算法。不仅如此，Paint3D还展示了多种输入条件引导的纹理贴图生成，包括文字描述和示例图像引导下的纹理生成。