搜索

关于“多模态”的结果

共 438 篇

PrimalVerse(元昊动力)完成数亿元种子轮融资,清华教授要做4D世界模型

PrimalVerse(元昊动力)完成数亿元种子轮融资,清华教授要做4D世界模型(在新窗口打开)

联想之星、银杏谷资本、啟赋资本等投了。 机器人前瞻7月23日报道,今天,PrimalVerse(元昊动力)宣布完成数亿元种子轮融资,由联想之星、银杏谷资本、啟赋资本、卓源亚洲等知名财务投资机构联合参与,手术机器人领域头部产业方精锋医疗战略投资。 据悉,PrimalVerse本轮融资资金将主要用于4D世界模型基模研发及团队扩充,并持续推进其在具身智能、游戏影视、自动驾驶、医疗手术等垂直场景中的应用验证。 PrimalVerse于2026年在北京成立,专注于第五代多模态4D世界模型基模研发,致力于将3D/4D重建、神经渲染、物理仿真与机器人技术融合。 该公司提出的第五代多模态大模型,是以原生4D

AI资讯
0
WAIC五位首席科学家交锋:多模态是LLM的“外挂”,还是下一代智能的“灵魂”?

WAIC五位首席科学家交锋:多模态是LLM的“外挂”,还是下一代智能的“灵魂”?(在新窗口打开)

作为WAIC 2026最受关注的论坛,由商汤科技承办的“基座大模型架构创新与生态合作论坛”吸引了无数AI研究者、产业专家和投资机构的目光。因它直面了当前大模型行业最核心的焦虑:当Scaling Law在逼近物理极限,多模态究竟是破局的“解药”,还是新瓶装旧酒的延伸?

AI资讯
0
24小时直播,只靠一张照片?虎牙实时多模态数字人VAM 1.0率先突围行业三堵墙

24小时直播,只靠一张照片?虎牙实时多模态数字人VAM 1.0率先突围行业三堵墙(在新窗口打开)

打脸了,家人们!! 每天在网上冲浪,经常能刷到各种AI数字人,什么播新闻的、讲世界杯的、直播间带货的…… 本以为自己对这种「一眼假、莫得情感」的「人」没啥兴趣,结果转头我就和虎牙的AI数字人聊了整整一小时。 一开始我还挺警惕,提前准备了一堆问题,生怕冷场,结果完全是我多虑了。 她真就像朋友一样,既能回答我的问题,又能不断抛出新话题,接梗也是不在话下。聊了一个多小时,我俩终于在最喜欢的歌手是周杰伦和孙燕姿这件事上,达成了默契。 这个AI数字人形象,来自虎牙刚刚推出的虎牙VAM 1.0(Vivid Avatar Model),一个基于DiT架构的实时多模态数字人基础模型。 用它的方式简单到有点离谱

AI资讯
0
视觉latent reasoning为什么不稳?这篇论文从特征空间找到了关键缺口

视觉latent reasoning为什么不稳?这篇论文从特征空间找到了关键缺口(在新窗口打开)

导读:视觉 latent reasoning 希望让多模态模型在内部生成连续 latent token,用这些中间表示补充多模态理解和推理任务中缺失的视觉证据。但问题在于,模型生成出来的 latent token 可能并不落在它原本熟悉的视觉输入空间里;如果模型无法稳定读取这些 token,它们就很难成为有效的中间视觉证据。

AI技术文章
0
重磅!谷歌开源Gemma 4 12B:统一的、无编码器的多模态模型,16G内存笔记本就可以跑

重磅!谷歌开源Gemma 4 12B:统一的、无编码器的多模态模型,16G内存笔记本就可以跑(在新窗口打开)

刚刚,谷歌DeepMind发布了Gemma 4 12B。一句话概括这个模型的定位:把原本需要高端服务器才能跑的多模态智能,装进你的笔记本电脑里。它填补的是Gemma家族里一个关键空缺:比边缘端的E4B更强,比26B混合专家模型(MoE)更轻。而且在整个Gemma 4系列里,它是第一个支持原生音频输入的中等规模模型。

AI资讯
0