Command Palette
Search for a command to run...
论文
每日更新的前沿人工智能研究论文,帮助您紧跟最新的人工智能趋势
篇论文

推荐领域的多模态预训练与生成:一篇教程

物理主义的理论极限:吉米定理的非技术性解读






























EmoSSLSphere:基于球面向量和离散语音标记的多语言情感语音合成
分数阶非线性薛定谒方程中圆艾里高斯涡旋光束的传播动力学
数字图像中像素的信息量
AR-RAG:用于图像生成的自回归检索增强
基于 Tesseract 开源 OCR 引擎的罗马手写字迹识别
TimeSenCLIP:一种用于遥感的时间序列视觉-语言模型
使用广义时空高斯过程模型学习空间依赖的时序演变
TripoSG:利用大规模校正流模型实现高保真3D形状合成
Qwen2.5-Omni 技术报告
SpeechPrompt:通过提示语音语言模型处理语音任务
自适应数据飞轮:将MAPE控制循环应用于AI代理改进
扩展VSR基准以适配VLLM,专精于空间规则
一颗一维能量平衡模型参数化方案:用于描述偏心系外行星表面二氧化碳冰的形成
大语言模型中的医学推理:对DeepSeek R1的深入分析
Speech-FT:合并预训练与微调语音表示模型以实现跨任务泛化
MultiActor-Audiobook:使用多位说话人的面部和声音进行零样本有声书生成
Phi-4 技术报告
LAMMPS模拟软件包的一套教程
GLM-4-Voice:迈向智能且拟人的端到端语音聊天机器人
面向视频配音的长度感知语音翻译
DrawingSpinUp:从单个角色绘图中生成3D动画
ReaderLM-v2:面向 HTML 转 Markdown 和 JSON 的小型语言模型
MegActor:利用原始视频的强大力量实现生动的肖像动画
Flash-VStream:基于记忆的长视频流实时理解
PhotoMaker:通过堆叠ID嵌入定制逼真人物照片
StoryDiffusion:用于长程图像和视频生成的一致性自注意力
ESPnet-SDS:面向语音对话系统的统一工具包与演示平台
Hunyuan-Large:腾讯开源的拥有520亿激活参数的MoE模型
SketchAgent:语言驱动的连续草图生成
利用AlphaFold3和纯化序列进行状态感知蛋白质-配体复合物预测