作者信息

作者头像

掌上小科技

1234

209

内容
0

粉丝
56

曝光量

HunyuanOCR：1B 参数的轻量级 OCR 性能怪兽

HunyuanOCR：1B 参数的轻量级 OCR 性能怪兽

在腾讯自建覆盖 9 大应用场景的基准测试中，HunyuanOCR 文字检测和识别能力全面领先同类开源及商业模型

一夜间刷屏！谷歌 AI 生图神器再进化-Nano Banana Pro

一夜间刷屏！谷歌 AI 生图神器再进化-Nano Banana Pro

Nano Banana Pro 的出现，不是要取代设计师，而是让创作者从重复劳动中解放。就像计算器没取代数学家，

AI智能体已来：Google公司发布关于Agents的白皮书

AI智能体已来：Google公司发布关于Agents的白皮书

未来的 AI 不再是 “孤立工具”，而是 “嵌入生活和工作的自主伙伴”—— 它们能理解复杂目标、协同其他系统、自主解决问题，最终把人类从重复劳动中解放出来，专注于创意、决策等更高价值的工作。

最新高一致性编辑模型ConsistEdit如何让AI精准变脸又不穿帮？

最新高一致性编辑模型ConsistEdit如何让AI精准变脸又不穿帮？

1万元打造数字人直播助农卖水果全攻略

1万元打造数字人直播助农卖水果全攻略

作为计算机专业学生，不想只闷头敲代码？想练技术、赚收益，还能为乡村振兴出份力？

再学习一遍 GAN：目标损失函数的 “对抗密码”

再学习一遍 GAN：目标损失函数的 “对抗密码”

生成对抗网络（GAN）的核心魅力，藏在 “生成器（G）” 与 “判别器（D）” 的损失函数设计里。今天我们就结合代码，把 GAN 的损失逻辑拆解透彻，彻底搞懂 “对抗” 是如何驱动模型进步的。

GAN 与扩散模型的相爱相杀：图像画质任务的技术博弈与共生

GAN 与扩散模型的相爱相杀：图像画质任务的技术博弈与共生

在图像超分辨率、修复、去噪等画质优化领域，有两大 “顶流” 生成模型一直占据核心舞台 ——GAN（生成对抗网络）和扩散模型（Diffusion Models）。

为什么将 CNN 和 Transformer 结合使用？AI 模型的 “强强联合” 逻辑

为什么将 CNN 和 Transformer 结合使用？AI 模型的 “强强联合” 逻辑

CNN 的局部归纳偏置，让它成为 “高效的局部特征提取器”；Transformer 的无偏置全局建模，让它成为 “精准的全局关系整合者”。两者的结合，本质上是 AI 模型的 “扬长避短”

从文本到积木：ICCV最佳论文BrickGPT的神奇魔法

从文本到积木：ICCV最佳论文BrickGPT的神奇魔法

学术论文转视频：Paper2Video与传统方法的对比

学术论文转视频：Paper2Video与传统方法的对比

<

1

2

3

...

21

>