A inteligência artificial está revolucionando o campo do reconhecimento de imagem. Classificar gatos e cachorros já é coisa do passado; agora a moda é um 'Plus' de jogo da memória, como identificar o modelo e ano de um carro esportivo ou se as sobrancelhas de um pássaro são um pouquinho mais grossas que as do seu vizinho. Mas surge um problema: as redes neurais são inteligentes, mas quando precisam explicar sua classificação, ficam como um aluno que não sabe explicar como chegou à resposta, gaguejando e sem conseguir articular uma explicação coerente. Os mapas de ativação de classe tradicionais (Class Activation Map - CAM)...

O Tencent Yuanbao é uma ferramenta de IA assistente que suporta os grandes modelos de linguagem Tencent Hun Yuan (Turbo/T1) e DeepSeek (V3/R1). Os usuários podem usar ilimitadamente seus recursos de busca na internet e análise de arquivos para melhorar a eficiência do trabalho e do estudo. O principal destaque desta atualização é que os usuários podem escolher entre compartilhar imagens curtas (apenas o resultado da resposta) ou imagens longas (incluindo o processo de raciocínio detalhado), tornando o conteúdo compartilhado mais personalizado e diversificado.

A “tela livre” é um sistema operacional de conteúdo inovador do Baidu Wenku e Baidu Netdisk, que utiliza tecnologia de modelos grandes para quebrar as barreiras entre conteúdo público e privado. Os usuários podem realizar a compreensão, geração e criação de arquivos multiformato e multimodais por meio de uma operação extremamente simples de "arrastar e soltar". Sejam imagens, apresentações PPT, PDFs, vídeos ou áudios, tudo pode ser arrastado diretamente para a “tela livre” para criação com IA, reduzindo significativamente a barreira à criação.

A empresa canadense de geração de imagens de IA, Ideogram, anunciou hoje o lançamento oficial de seu novo modelo de imagem, o Ideogram 2a, disponível no site da Ideogram, na API e nas plataformas de parceiros. Este lançamento gerou uma rápida discussão na plataforma X, sendo considerado uma atualização importante no campo da geração de imagens por IA a partir de texto. O Ideogram 2a atrai a atenção de criadores e desenvolvedores em todo o mundo com sua velocidade de geração mais rápida, custo menor e capacidades de design gráfico e fotografia otimizadas.

Na área médica, a análise de dados de imagem sempre foi um processo complexo e trabalhoso. Recentemente, pesquisadores da Weill Cornell Medicine desenvolveram um novo sistema de inteligência artificial chamado LILAC (Inferência de Mudanças de Imagem Longitudinal Baseada em Aprendizado), capaz de analisar e detectar de forma eficiente e precisa imagens médicas que mudam ao longo do tempo. Este estudo, publicado em 20 de fevereiro na revista Proceedings of the National Academy of Sciences, demonstra o amplo potencial de aplicação do LILAC em diversos cenários médicos. Os métodos tradicionais de análise de imagens médicas geralmente exigem muita personalização e pré-processamento.

Em 25 de fevereiro, a equipe de tecnologia da JD Retail anunciou o lançamento oficial e a abertura completa de sua plataforma de geração de conteúdo AIGC Jing Diandian, desenvolvida internamente. O objetivo é fornecer aos comerciantes de e-commerce uma solução de geração de conteúdo eficiente e de baixo custo por meio da tecnologia de IA. Atualmente, a plataforma abrange mais de 20 cenários principais, com mais de 10 milhões de chamadas de capacidade de IA por dia, ajudando mais de 350.000 comerciantes da JD a gerar imagens de produtos, textos de marketing e vídeos de imagens principais (em breve) de alta qualidade com um clique, melhorando significativamente a eficiência da produção de conteúdo e reduzindo os custos de produção.

Recentemente, a equipe de pesquisa do Meta Reality Labs lançou em conjunto um modelo generativo inovador chamado "Pippo", capaz de gerar um vídeo de rotação densa de alta resolução (até 1K) a partir de uma única foto tirada aleatoriamente. Essa tecnologia inovadora representa outro avanço importante no campo da visão computacional e geração de imagens. O cerne do modelo Pippo reside no design de seu transformador de difusão multi-visão. Diferentemente dos modelos generativos tradicionais, o Pippo não requer nenhuma entrada adicional, como parâmetros ajustados.

De acordo com o repórter da Bloomberg, Mark Gurman, a Apple planeja integrar a Inteligência Apple ao headset Vision Pro a partir de abril. O pacote de IA, lançado inicialmente em junho de 2024, será introduzido por meio de uma atualização de software visionOS 2.4, prevista para ser disponibilizada aos desenvolvedores ainda esta semana. Poucas semanas após o lançamento inicial da Inteligência Apple em junho de 2024, Gurman relatou que a Apple buscava integrar sua IA

A Adobe anunciou recentemente que seu mais novo gerador de vídeos com IA Firefly entrou na fase beta, permitindo que os usuários transformem texto e imagens em vídeos curtos. Este recurso inovador está integrado ao Adobe Creative Cloud, permitindo que os criadores gerem vídeos com IA em suas ferramentas familiares. O principal destaque deste gerador de vídeos é a capacidade de gerar vídeos curtos de até 5 segundos com resolução de 1080p e 24 quadros por segundo. Os usuários podem criar seus vídeos através de uma interface simples e intuitiva.

A equipe do Google DeepMind lançou oficialmente o conjunto de dados WebLI-100B, um vasto conjunto de dados contendo 100 bilhões de pares imagem-texto, com o objetivo de melhorar a diversidade cultural e multilíngue dos modelos de linguagem e visão de inteligência artificial. Com este conjunto de dados, os pesquisadores esperam melhorar o desempenho dos modelos de linguagem e visão em diferentes contextos culturais e linguísticos, reduzindo simultaneamente as disparidades de desempenho entre subgrupos e, assim, aumentando a inclusão da inteligência artificial. Os modelos de linguagem e visão (VLMs) dependem de grandes conjuntos de dados para aprender a conectar imagens e texto.

O Google anunciou recentemente o lançamento global de sua ferramenta de mistura de imagens baseada em IA, o Google Whisk, em mais de 100 países. Inicialmente lançada nos EUA no ano passado, a ferramenta visa fornecer aos usuários uma experiência de geração de imagens mais simples e criativa por meio de uma tecnologia inovadora de mistura de imagens. Diferentemente das ferramentas tradicionais de geração de imagens, o Google Whisk permite que os usuários carreguem três imagens, representando o assunto, o cenário e o estilo. Em seguida, a ferramenta combina os três para gerar uma imagem criada pelo Google Imagen

Recentemente, a OpenAI divulgou uma notícia interessante: em seu projeto Sora, em testes internos, além da já lançada função de geração de vídeos, a função de geração de imagens também está em desenvolvimento acelerado. Este novo recurso permite aos usuários alternar rapidamente entre a geração de vídeo e imagem, aumentando a flexibilidade da criação. De acordo com informações internas, o Sora terá um botão de alternância oculto, que os usuários poderão selecionar na barra de prompts para alternar entre os dois modos. Ao selecionar a geração de imagens, o sistema solicitará automaticamente ao usuário que descreva uma imagem.

O Google anunciou recentemente que seu mais novo modelo de geração de imagens, o Imagen 3, agora está disponível para desenvolvedores por meio da API Gemini. Este modelo não apenas possui uma capacidade poderosa de geração de imagens, mas também pode criar imagens em vários estilos artísticos com base em prompts de texto, abrangendo uma ampla gama de estilos, desde surrealismo até personagens de anime. O Imagen 3 é fácil de usar; os desenvolvedores precisam apenas enviar uma descrição de texto por meio da API, e o modelo gerará rapidamente imagens de alta qualidade. O custo de geração de cada imagem é de apenas US$ 0,03.

Recentemente, pesquisadores da Microsoft Research, em conjunto com a Universidade de Washington, Universidade de Stanford, Universidade do Sul da Califórnia, Universidade da Califórnia em Davis e Universidade da Califórnia em São Francisco, lançaram o LLaVA-Rad, um novo modelo multimodal pequeno (SMM) projetado para melhorar a eficiência da geração de relatórios de radiologia clínica. O lançamento deste modelo não apenas marca um grande avanço na tecnologia de processamento de imagens médicas, mas também traz mais possibilidades para aplicações clínicas em radiologia. Na área biomédica, pesquisas baseadas em modelos básicos em larga escala já foram exibidas.