GPT-4o再现明显短板，港中文等发布视觉听觉基准AV-Odyssey，揭示大模型26项关键挑战
新智元报道编辑：LRST【新智元导读】多模态大模型在听觉上，居然也出现了「9.11>9.8」的现象，音量大小这种简单问题都识别不了！港中文、斯坦福等大学联合发布的AV-Odyssey基准测试，包含26个视听任务，覆盖了7种声音属性，跨越了10个不同领域，确保测试的深度和广度 ......
共 4 篇文章
标签：视觉
AAAI 2025 | IML领域首个稀疏视觉Transformer发布，代码开源公开
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyun ......
斑马技术聚焦三大核心：人工智能、视觉识别与机器人
IT时报记者 孙妍 8月7日，斑马技术在北京举办2024斑马技术华北区新品发布会暨代理商大会，发布了两款4英寸桌面入门级打印机ZD888TA热转打印机和ZD888DA热敏打印机，并聚焦讨论中国市场的技术发展趋势。斑马技术押宝的三大技术是AI、视觉、机器人，未来将逐步...
Meta推出Sapiens视觉模型，实现AI精准识别人类动作
IT之家 8 月 24 日消息，Meta Reality 实验室最新推出了名为 Sapiens 的 AI 视觉模型，适用于二维姿势预估、身体部位分割、深度估计和表面法线预测 4 种以人为中心的基本视觉任务。 这些模型的参数数量各不相同，从 3 亿到 20 亿不等。它们采用视觉转换器架...
