AI能看懂细节了！IDEA研究院多模态目标检测模型DINO-XSeek，自然语言精准定位目标

作者

基于多模态大语言模型的DINO-XSeek目标检测模型实现了精准感知和理解复杂场景中的目标，能够通过自然语言描述识别出具体细节，如人物的穿着、位置等信息。该模型结合了视觉与语言理解能力，在实际应用中可应用于工业制造、安防、农业等多个领域。

腾讯图生视频全面开源，更懂物理规律，一手实测来了

作者

腾讯混元AI视频发布新功能——图生视频，支持从图片生成视频。通过实测展示了生成效果的进步，并提出了四大难题测试：符合现实物理规律、无中生有、遵循指令和连贯一致性。尽管进步显著，但仍需努力达到100%的真实性和一致性。