La inteligencia artificial está revolucionando el campo del reconocimiento de imágenes. Clasificar gatos y perros ya es cosa del pasado; ahora se lleva la versión "Plus" de "Encuentra las parejas", como identificar el año y el modelo de un coche de un vistazo, o si las cejas de un pájaro son ligeramente más gruesas que las del vecino. Pero aquí surge un problema: las redes neuronales son muy inteligentes, pero cuando se les pide que expliquen su razonamiento, es como pedirle a un estudiante que explique su proceso de resolución de problemas; balbucean y no consiguen articular una respuesta clara. Los mapas tradicionales de activación de clases (Class Activation Map, CAM)

Tencent Yuanbao es una herramienta de asistente de IA que admite los modelos grandes de Tencent Hun Yuan (Turbo/T1) y DeepSeek (V3/R1). Los usuarios pueden utilizar ilimitadamente sus funciones de búsqueda en línea y análisis de archivos para mejorar la eficiencia del trabajo y el aprendizaje. El punto culminante de esta actualización es que los usuarios pueden elegir entre compartir una "imagen corta" (solo se muestra el resultado de la respuesta) o una "imagen larga" (que incluye el proceso de razonamiento detallado) según sus necesidades, lo que hace que el contenido compartido sea más personalizado y diverso.

La negativa de ChatGPT a generar imágenes de rosas ha desatado un intenso debate en internet sobre las limitaciones y las implicaciones éticas de la inteligencia artificial. Este incidente añade un nuevo ejemplo a la lista cada vez mayor de palabras y temas considerados tabú para los modelos de IA.

Fast3R es una nueva tecnología que permite reconstruir modelos 3D a partir de miles de imágenes con solo un clic. Su velocidad de procesamiento es increíblemente rápida, ofreciendo resultados impresionantes en cuestión de minutos.

Beijing Zhihuazhang Technology Co., Ltd. ha anunciado el lanzamiento de CogView4, el primer modelo de generación de imágenes a partir de texto de código abierto que admite la generación de caracteres chinos. Este modelo ocupa el primer lugar en la clasificación general de las pruebas de referencia DPG-Bench, convirtiéndose en el mejor modelo de generación de imágenes a partir de texto de código abierto (SOTA), y sigue el protocolo Apache2.0, siendo el primer modelo de generación de imágenes que admite este protocolo.

“Lienzo Libre” es un sistema operativo de contenido creado por Baidu Wenku y Baidu Netdisk que utiliza tecnología de modelos grandes para eliminar las barreras entre el contenido público y privado. Los usuarios pueden realizar la comprensión, generación y creación mixta de archivos multiformato y multimodales con una operación extremadamente simple de "arrastrar y soltar". Ya sean imágenes, presentaciones PPT, archivos PDF, videos o audios, todos se pueden arrastrar directamente a “Lienzo Libre” para la creación con IA, lo que reduce enormemente el umbral de creación.

Samsung amplía el soporte de actualizaciones del sistema a seis años para su línea Galaxy A, incorporando funciones de edición de imágenes con inteligencia artificial para el mercado de gama media.

Ideogram, una empresa canadiense de generación de imágenes con IA, anunció hoy el lanzamiento oficial de su nuevo modelo de imágenes, Ideogram 2a, disponible en el sitio web de Ideogram, la API y las plataformas de socios. Este lanzamiento ha generado un gran revuelo en la plataforma X, y se considera una mejora importante en el campo de la generación de imágenes a partir de texto con IA. Ideogram 2a atrae la atención de creadores y desarrolladores de todo el mundo gracias a su mayor velocidad de generación, menor costo y capacidades optimizadas de diseño gráfico y fotografía.

En el ámbito de la medicina, el análisis de datos de imágenes siempre ha sido un proceso complejo y laborioso. Recientemente, investigadores del Colegio de Medicina Weill Cornell desarrollaron un nuevo sistema de inteligencia artificial llamado LILAC (Inferencia de Cambios de Imágenes Longitudinales basada en Aprendizaje), capaz de analizar y detectar de manera eficiente y precisa los cambios en las imágenes médicas a lo largo del tiempo. Esta investigación, publicada el 20 de febrero en la revista de la Academia Nacional de Ciencias de Estados Unidos (PNAS), muestra el amplio potencial de aplicación de LILAC en múltiples escenarios médicos. Los métodos tradicionales de análisis de imágenes médicas suelen requerir una gran cantidad de personalización y preprocesamiento.

Baidu ha anunciado una importante actualización de sus servicios de educación y búsqueda. Según las últimas noticias de la plataforma X, las funciones de "búsqueda de preguntas por foto" y "redacción de ensayos con IA" de Baidu Education ya se han integrado oficialmente en el modelo DeepSeek-R1 con todas sus funciones, ofreciendo a los usuarios respuestas estándar y una presentación detallada del proceso de deducción. Al mismo tiempo, la búsqueda de Baidu ha integrado completamente DeepSeek y el modelo de lenguaje grande Wenxin, mejorando significativamente la experiencia de búsqueda. Desde que se lanzó el acceso directo en la página principal de Baidu, en solo una hora atrajo a más de 10 millones de usuarios, generando un gran interés. Usuario de X @TechBitD

La integración del modelo DeepSeek-R1 en los productos educativos de Baidu busca mejorar el nivel de inteligencia de las herramientas de aprendizaje mediante el uso de la tecnología de aprendizaje profundo. En la función de búsqueda de problemas con foto, DeepSeek-R1 no solo proporciona la respuesta correcta, sino que también utiliza su potente capacidad de razonamiento para mostrar paso a paso el proceso de resolución, ayudando a los usuarios a dominar realmente los métodos de resolución de problemas. Esta actualización no solo satisface la necesidad de los estudiantes de obtener respuestas, sino que también se centra en el desarrollo de su pensamiento lógico para resolver problemas, logrando el objetivo educativo de "enseñar a pescar, no solo dar el pescado".

El 25 de febrero, el equipo técnico de JD Retail anunció el lanzamiento oficial y la apertura completa de su plataforma de generación de contenido AIGC, Jing Dian Dian, desarrollada de forma autónoma. Su objetivo es proporcionar a los comerciantes de comercio electrónico soluciones de generación de contenido eficientes y de bajo costo mediante la tecnología de IA. Actualmente, la plataforma cubre más de 20 escenarios principales, con más de 10 millones de llamadas a la capacidad de IA por día. Ayuda a más de 350.000 comerciantes de JD a generar imágenes de productos, textos de marketing y videos principales (próximamente disponibles) de alta calidad con un solo clic, mejorando significativamente la eficiencia de la producción de contenido y reduciendo los costos de producción.

Según se ha informado, la clave de esta actualización de Tencent Yuanbao radica en la aplicación de la tecnología de combinación de modelos «Hun Yuan + DeepSeek». Anteriormente, DeepSeek desempeñaba principalmente el papel de extracción de información, similar a un «escáner». Sin embargo, gracias al apoyo de la tecnología multimodal Hun Yuan de Tencent, DeepSeek ahora puede comprender verdaderamente los detalles, el ambiente e incluso los significados ocultos de las imágenes. Este cambio permite a Tencent Yuanbao «entender» las imágenes y proporcionar su propio análisis e interpretación.

Recientemente, el equipo de investigación de Meta Reality Labs publicó un innovador modelo generativo llamado "Pippo", capaz de generar un video de alta resolución (hasta 1K) de una rotación densa a partir de una sola fotografía. Este avance tecnológico representa un progreso significativo en el campo de la visión por computadora y la generación de imágenes. El núcleo de Pippo reside en su diseño de transformador de difusión multivista. A diferencia de los modelos generativos tradicionales, Pippo no requiere ninguna entrada adicional, como parámetros ajustados.