1月26日

2024年AI视频重要的一年：Google Lumiere模型震撼发布！

Google刚刚通过其最新的扩散模型 Lumiere，取得令人难以置信的人工智能视频突破。Lumiere扩散模型是Google在AI视频生成技术上的一次重大突破。它采用一种独特的“时空”神经网络技术，能够在单次传递中生成连续流畅的视频片段，这种方法与传统的通过创建分散关键帧来生成视频的模型形成鲜明对比。与其他模型相比，Lumiere在保持视频质量的同时，有效解决生成过程中的不连贯和卡顿问题。Lumiere模型的四大核心功能，具有以下几个显著的特点和应用：1. 视频编辑：Lumiere能够对视频的任意部分进行精准编辑，只需简单的遮罩和提示。这项功能为视频制作人员提供无限的创意空间，使得视频编辑既灵活又高效。2. 风格化生成：Lumiere能够把单一图像的风格转化为视频，这意味着从一张图片中提炼出的美学可以被扩展应用到动态的视频制作中。从单一图像出发，它能够学习其风格，并生成具有相同风格的连贯视频，这在视觉艺术创作上是一个巨大的突破。3. 图像和文本到视频的转换：Lumiere不仅能根据文本提示生成视频，还能直接从静止图像转换成视频，极大地扩展创作的边界。这对艺术家和创作者来说，提供一种全新的表达方式。4. 动态图生成：Lumiere还可以从文本提示创建视频，并能对静态图像的特定部分进行编辑和动画处理，增添更多的动态元素和视觉冲击力。来源：微信公众号【AI创意航海】

机器人做家务更进一步！Meta联手纽约大学开发机器人框架OK-Robot

近日，Meta AI发布了一项新的研究成果：基于开放知识的机器人框架OK-Robot。代码即将开源。OK-Robot是一个开放知识机器人系统，它集成了各种在公开数据上训练的学习模型，在现实环境中挑选和丢弃物体。在实验中，OK-Robot无需预训练，在10个真实家庭环境中测试表现出色，为机器人在家庭环境中的实际应用带来了新的可能。团队采用了一种系统优先的方法开发了一个新的基于开放知识的机器人框架——OK-Robot。在这里，开放知识指的是在大型的、公开可用的数据集上训练的学习模型。通过将用于物体检测的视觉语言模型 （VLM）、用于运动的导航基元和用于对象操作的抓取基元相结合，OK-Robot无需任何培训即可为拾取和放下操作提供集成解决方案。为了评估其性能，团队在10个真实世界的家庭环境中运行OK-Robot。结果表明，OK-Robot在开放式拾取和丢弃任务中取得了58.5%的成功率，代表了开放词汇移动操作（OVMM）的新水平，其性能几乎是先前工作的1.8倍。而在更干净、整洁的环境中，OK-Robot的性能提高到82%。然而，从OK-Robot获得的最重要的见解是，在将VLM等开放式知识系统与机器人模块相结合时，细微的细节起着关键作用。来源：微信公众号【中国机器人网】

甲骨文推出OCI Generative AI服务：助推企业生成式AI新时代

甲骨文（Oracle）在1月23日宣布推出OCI Generative AI服务，以及其他创新功能，旨在帮助企业更轻松地利用生成式人工智能（AI）方面的新技术。OCI Generative AI服务是一项全面托管服务，可以无缝集成Cohere和Meta Llama 2的大型语言模型（LLM），有效解决各种业务用例。OCI Generative AI服务的关键功能之一是多语言功能，支持超过100种语言。这将使企业能够在全球范围内使用生成式AI技术，无论其所在的地理位置或目标市场如何，都能够顺利地进行语言交流和应用开发。这种多语言功能的引入将进一步推动全球化企业的发展和全球市场的互联互通。除了多语言功能，OCI Generative AI服务还提供了升级版的GPU集群管理体验，以及灵活的微调选项。这些功能的引入旨在提升用户的使用体验和操作效率。OCI Generative AI服务可以在Oracle Cloud和本地环境中通过OCI Dedicated Region进行使用。这使得企业可以根据自己的需求选择在云上还是本地部署，在不同的场景下灵活使用生成式AI技术。无论是追求云端的弹性和可扩展性，还是对数据安全和合规性有更高要求的企业，OCI Generative AI服务都能够提供相应的解决方案。来源：微信公众号【潮外音】