華中科技大学などの機関が、5つのタスクと27個のデータセットを網羅する多モーダル大規模モデルの新しいベンチマークを発表しました。
評価結果によると、テキスト認識や文書質問応答などのタスクでは優れた性能を示しましたが、意味依存関係、手書きテキスト、多言語テキストにおいては課題が残っています。
研究チームは、OCR能力をより正確に評価するためのOCRBenchを構築し、多モーダル大規模モデルの発展に指針を提供します。
OCRBenchの導入により、研究者にとって包括的なツールが提供され、多モーダル大規模モデルにおけるOCR分野の正確な評価と改善が促進されます。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
arXiv論文を簡単にブログ記事に変換できるAIツールが登場しました。複雑な論文を分かりやすく解説し、研究効率を劇的に向上させます。
【AI日報】へようこそ！ここはAIの世界を探求するための毎日のガイドです。毎日、AI分野のホットな話題、開発者に焦点を当て、技術トレンドの理解、革新的なAI製品の応用を支援します。最新のAI製品はこちら：https://top.aibase.com/1、Manusを3時間で再現！5600名以上のアーティストが共同で公開書簡に署名し、今回のオークションに抗議。多くの作品が著作権を侵害していると主張。
人工知能企業Mistral AIは本日、最新の文書認識モデルMistral OCRの正式リリースを発表しました。このモデルは「地表最強のOCR」と評されており、その卓越した性能と多機能性から、Xプラットフォーム上で活発な議論を巻き起こしています。Mistral OCRは、複雑なPDF、画像、表、数式、多言語文書からの正確なデータ抽出をサポートし、速度と正確性の両方においてGoogle Document AIやAzure OCRを凌駕しています。
患者フレンドリーなAIソリューションの構築に特化したスタートアップ企業、Hippocratic AIは、16億4000万ドルの評価額で、シリーズBラウンドで1億4100万ドルの資金調達を完了しました。このラウンドは著名なベンチャーキャピタルであるKleiner Perkinsがリード投資家となり、Hippocratic AIのヘルスケア分野における急速な成長を示しています。設立から2年足らずで、同社は多くの投資家の注目を集め、以前にも資金調達を実施しています。
Hippocratic AIは、医療分野におけるAIソリューションの開発に特化したスタートアップ企業です。最近、1億4100万ドルのシリーズB資金調達を発表し、評価額は16億4000万ドルに達しました。このラウンドは著名なベンチャーキャピタルであるKleiner Perkinsがリードインベスターを務め、9ヶ月前にGeneral CatalystとAndreessen Horowitzから5300万ドルの資金調達、そして5ヶ月前にN社から資金調達を行ったことに続くものです。
先日、騰訊AIラボと騰訊PCGのARCラボが共同で、StereoCrafterという新しいフレームワークを発表しました。このフレームワークは、通常の2D動画を高忠実度の立体3D動画に変換できます。この革新は、没入型体験領域を中心に、3Dコンテンツへの増大する需要に応えるものです。StereoCrafterは基礎モデルの利点を最大限に活用し、従来の変換方法の限界を克服することで、生成効果を大幅に向上させ、生成されたコンテンツが要件を満たせるようにしています。
「画像を見て話す」神器として知られるGPT-4Vを覚えていますか？画像は理解し、画像に基づいてタスクを実行できる、まさに怠け者のための福音です！しかし、致命的な弱点がありました。視力が悪いのです！GPT-4Vにボタンをクリックしてもらおうとすると、まるで「画面盲」のようにあちこちクリックしてしまい、イライラした経験はありませんか？今回ご紹介するのは、GPT-4Vの視力を向上させる神器、OmniParserです！これはマイクロソフトが発表した新しいモデルで、グラフィカルユーザーインターフェース（GUI）の自動操作における課題解決を目指しています。