在当今科技领域，CLIP（Contrastive Language-Image Pre-training）是一个重要的多模态基础模型。它通过在大规模图像 - 文本对上使用对比学习损失，将视觉信号和文本信号结合到一个共享的特征空间中。CLIP 作为检索器，能够支持零 - shot 分类、检测、分割和图像 - 文本检索等多种任务。同时，作为特征提取器，它在几乎所有跨模态表示任务中占据主导地位，例如图像理解、视频理解以及文本到图像或视频生成。CLIP 的强大之处在于它能够将图像与自然语言相连接，并捕捉人类知识，这得益于其在大

生成式AI发展迅猛，但如何全面评估其性能一直是个难题。各种模型层出不穷，效果也是越来越惊艳。但是，问题来了，怎么评价这些文生图模型的效果呢?传统的评价方法，要么是靠人眼看，主观性太强;要么是用一些简单的指标，比如CLIPScore，但这些指标往往无法捕捉到复杂文本提示中的细节，比如对象之间的关系、逻辑推理等等。这就导致很多文生图模型的评测结果不准确，甚至会出现一些搞笑的情况，明明生成的图片驴唇不对马嘴，得分却还挺高。为了解决这个问题，卡耐基梅隆大学

最近，Humane宣布将其新推出的 AI Pin 智能设备价格下调200美元，试图改善其销售表现。这款产品于今年早些时候以699美元的价格推出，但现在起售价仅为499美元。虽然这个价格已经相对实惠，但这款名为 “eclipse” 的黑色铝合金型号并不附带额外的电池或充电盒。实际上，公司还特别提醒消费者，由于发现某些供应商的电池可能存在火灾安全隐患，因此 AI Pin 用户不应使用充电盒。当然，如果你需要额外的电池，可以单独购买，价格为69美元。不过，虽然价格有所下降，AI Pin 依然需要每月支

近日，一款名为Molmo的开源多模态人工智能模型引起了业界广泛关注。这个由Qwen2-72B为基础、借助OpenAI的CLIP作为视觉处理引擎的AI系统，正以其出色的性能和创新的功能挑战传统商业模型的霸主地位。Molmo的突出特点在于其高效的性能表现。尽管体积相对较小，但它在处理能力上可以与规模大十倍的竞争对手相媲美。这种"小而精"的设计理念不仅提高了模型的效率，也为其在各种应用场景中的部署提供了更大的灵活性。与传统多模态模型相比，Molmo的创新之处在于其引入的指向功能。这一特

格灵深瞳开源了RWKV-CLIP模型，这是一个结合了Transformer和RNN优点的视觉语言表征学习器。该模型通过图文预训练任务，使用从网站获取的图像-文本对扩展数据集，显著提高了视觉和语言任务的性能。为了解决噪声数据问题并提高数据质量，研究团队引入了一个多样化的描述生成框架，利用大型语言模型（LLM）从基于网络的文本、合成字幕和检测标签中合成和细化内容。

​微软今日宣布，Microsoft Edge和其他基于Chromium的浏览器将通过Async Clipboard API支持SVG（可缩放矢量图形）文件的复制和粘贴功能。这一重大突破将显著提升用户体验和Web开发效率。

["Clipfly是Fotor推出的一站式AI长视频平台，集成了多种AI视频生成、增强和编辑功能，帮助用户完成整个视频制作流程。","Clipfly设计理念是简化视频制作流程，用户可根据提示词生成图像框并转化为视频片段，最终生成完整视频。","Clipfly结合了开源模型如Stable Diffusion，提高了视频片段质量，满足了创作者体验需求。","经过半年开发，Clipfly已正式上线，成为全球一站式AI长视频生产平台，为视频创作者提供高效的AI制作工具。","AI企业软件公司Jasper成功收购ClipdropAI图像平台，推动AI图像处理领域市场份额扩大，StabilityAI缓解财务压力。"]

["Jasper成功完成收购Stability AI旗下Clipdrop AI图像平台。","Clipdrop提供强大的AI图像编辑工具，企业客户可通过Jasper API访问。","Stability AI因财务困境将Clipdrop出售给Jasper公司。","此次收购将推动Jasper在AI图像处理领域市场份额扩大。"]