🎵 M2UGen融合音乐理解和多模态任务，支持文字、图像、视频生成音乐。
🤖 公司将在1月培训视频模型，CEO表示是平台的自然发展，引入生成视频行业竞争动态。
站长之家（ChinaZ.com）1月4日 消息:图像修复一直是一个备受研究者关注的复杂挑战，其主要目标是在维持降质输入的感知质量的同时，创建视觉上吸引人且自然的图像。在没有有关主题或降质的信息的情况下（盲目恢复），了解自然图像范围至关重要。为了恢复面部图像，必须在确保输出保留个体独特面部特征之前包含身份信息。以往的研究已经探讨了使用基于参考的面部图像恢复的方法来解决这一要求。然而，将个性化整合到基于扩散的盲目恢复系统仍然是一个持久性的挑战。
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。
图源备注：图片由AI生成，图片授权服务商Midjourney