这里记录每周值得分享的AI科技内容,周末发布。

本杂志开源(GitHub: aitobox/newsweekly),欢迎提交 issue,投稿或推荐你的项目。

AI资讯

 

1. 如何寻找真实的AI需求

 

找对需求,开发就成功了一半,那么如何去确定真实世界中用户们最渴望的AI工具是什么呢?

全球最大的AI导航站,月访问量500万的 There’s An AI For That 上线了一个AI需求频道,人人都能发帖说出自己的需求,其他人可以回复符合这个需求的AI产品。

现在上面有几百条需求,想要开发应用的可以去看一看,说不定能够找到自己能做的需求。

  • 资讯地址:

https://theresanaiforthat.com/requests/

AI服务和工具

 

1. Mistral 正式发布 Mistral Large

 

Mistral 正式发布 Mistral Large在基准测试中仅次于GPT-4,超过其他所有模型。

  • 功能特点

Mistral Large具有新的功能和优势:

它在英语、法语、西班牙语、德语和意大利语方面拥有母语般流利的能力,并对语法和文化背景有细致的理解。

其32K令牌的上下文窗口允许从大型文档中精确地寻找信息。

它精确的指令跟随能够让开发者设计他们的管理政策 – 我们用它来建立 le Chat 的系统级管理。

它本身就能够进行函数调用。这一点,再加上在la Plateforme上实现的受限输出模式,使得应用程序开发和技术栈现代化能够大规模进行。

支持在La Plateforme、Azure和私有部署。

还发布了具有低生成延迟的Mistral Small,Mistral Small的性能优于Mixtral 8x7B,并且具有更低的延迟。

其中,JSON格式模式强制语言模型输出为有效的JSON。此功能使开发人员能够更自然地与我们的模型进行交互,以提取结构化格式的信息,这些信息可以轻松地在其余的流水线中使用。

  • 更多信息请参考:

https://mistral.ai/news/mistral-large/

  • 体验地址

https://auth.mistral.ai/

2. immersive translate–沉浸式观看各种外语网页和视频

 

一个沉浸式的翻译浏览器插件

  • 功能特点

支持网页翻译,文档翻译,支持40+视频国内外网站,100+语言双语字幕翻译,

沉浸式观看各种外语视频,包括YouTube、Vimeo、Udemy、NetFlix、Coursera、Bloomberg等。

  • 体验地址:

https://www.producthunt.com/products/video-bilingual-subtitle-translation

3. SUPIR-一个提升图片分辨率的工具

 

SUPIR:通过增加模型的规模(即增加模型的参数数量)提升图像修复的能力。

通过参数增加使得模型不仅能够修复图像中的错误或损坏,还能根据文本提示进行智能修复。

例如根据描述来改变图像中的特定细节。这样的处理方式提升了图像修复的质量和智能度,使得模型能够更准确、更灵活地恢复和改进图像。

  • 功能特点

图像修复: SUPIR的核心功能是对低质量或损坏的图像进行修复,提高其视觉质量。这包括处理如模糊、噪点、色彩失真等问题,使图像恢复到高清晰度和高质量状态。

文本引导的修复: SUPIR能够根据文本提示来指导图像修复。这意味着用户可以通过文本描述来指定希望修复或改变的图像部分,使得修复过程更加定制化和精确。

  • 核心技术创新:

1、模型放大: SUPIR通过扩大模型规模(即增加模型的参数数量)来提升图像修复的能力。这种放大使得模型能够学习更多的特征,处理更复杂的图像修复任务。

2、多模态技术: 结合了图像处理和文本处理的技术,允许模型不仅理解图像内容,还能理解与之相关的文本描述,从而进行更准确的修复。

3、高质量训练数据集:收集了2000万高质量图像和文本注释,用于训练和控制图像修复。利用大量高分辨率、高质量的图像和相关文本注释作为训练数据,提高了模型的性能和适用性。

4、负质量提示: 通过引入质量较差的图像样本和相应的负面描述作为训练数据,进一步提升模型在感知质量方面的表现。

  • 工作原理:

1、图像编码与解码: SUPIR利用一个编码器将低质量图像映射到潜在空间,然后使用解码器重建修复后的图像。

2、文本处理: 通过一个多模态语言模型,SUPIR能够理解与图像相关的文本描述,并将这些信息融入到图像修复过程中。

3、适配器设计: SUPIR设计了一个大规模适配器,用于将模型的生成能力调整到与输入图像相匹配的状态,确保修复过程符合用户的具体需求。

4、采样方法: 采用特殊的采样方法,用于指导图像的恢复过程,以防止过度生成,确保修复后的图像保持真实和高质量。

  • 体验地址:

https://t.co/0pmpsPQsnF

https://github.com/Fanghua-Yu/SUPIR

(完)

you might also like