Uma equipe de pesquisa composta por instituições como a Universidade do Povo Chinês, a Universidade de Ciência e Tecnologia de Pequim e o Laboratório de IA de Xangai desenvolveu uma tecnologia chamada Ref-AVS, destinada a resolver o problema da compreensão do mundo físico complexo pela inteligência artificial. Essa tecnologia, por meio de um método exclusivo de fusão multimodal, integra informações de segmentação de objetos de vídeo (VOS), segmentação de referência de objetos de vídeo (Ref-VOS) e segmentação de áudio e vídeo (AVS), permitindo que o sistema de IA identifique e localize com precisão objetos específicos em cenários de áudio e vídeo, independentemente de esses objetos emitirem sons ou não. Para verificar a eficácia da tecnologia, a equipe de pesquisa...

O fundador do Baidu, Robin Li, enfatizou a importância da fusão multimodal. O Baidu já investiu em áreas como geração de vídeo a partir de texto. O Baidu investe no desenvolvimento de AGI. O custo de inferência do modelo de linguagem grande Wenxin caiu para 1%. O Baidu estabeleceu parcerias com Samsung, Honor, etc. A Honor lançará seu primeiro smartphone dobrável pequeno. Espera-se que o Ernie contribua com bilhões de yuans em receita adicional em 2024. O Baidu investe em áreas como geração de vídeo a partir de texto. 5G-A se torna um tópico quente no Mobile World Congress.