BriefGPT - AI 论文速递 ·

Ferret: 任意粒度引用和定位任何内容

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本研究提出了一种基于自然语言描述和多模式视觉数据的大规模动态场景的3D视觉定位任务的方法，并提出了两个新的数据集STRefer和LifeRefer。该方法实现了最先进的性能，对于野外3D视觉定位的研究具有重要意义，并有着提升自动驾驶和服务机器人发展的巨大潜力。

🏷️

微软准备给自研AI模型MAI设定硬规矩：人类若要关停模型模型不许反抗
#人工智能微软准备给自研 AI 模型 MAI 设定硬性规定：人类若要关停模型，模型不许反抗、也不能故意制造麻烦阻止人类关停模型。这个行为准则的核心观点就...
苹果宣布大改iCloud+订阅：自动包含TV+视频订阅全家桶订阅Apple One将被废弃
#行业资讯苹果宣布对 iCloud+ 订阅套餐进行大改：后续所有 iCloud+ 订阅均自动包含 Apple TV+ 和 Arcade 订阅，而 TV+...
The Boox Palma 3 gets stylus support and a sleek redesign
Nearly two years after the last update to Boox's smartphone-sized black-a...
语义相近却总找错资料？从Embedding看懂向量检索
Embedding就是把文本、图片或声音变成一串数字，让语义接近的内容在向量空间里靠近。它解决“用户没用同一个…
AI算力开始听电网指挥：比换GPU更现实的增产方法
AI基础设施的新瓶颈不只是GPU，而是园区能拿到多少稳定电力。NVIDIA 9月15日公布的两个现场结果说明：…
票据抽取不一定要上最大模型：先看版式是否真的变化
研究比较11种票据抽取系统，发现微调开源视觉语言模型在合成支票上F1超0.98，无需都用最大模型。选型应依据版式稳定性与错误代价：固定模板可用OCR加规则...