腾讯推出的M2UGen是一款多模态音乐生成框架，结合音乐和多模态任务，支持从文字、图像、视频生成音乐，并具备强大的编辑功能。
摩根大通发布了DocLLM，一款专为多模态文档理解设计的生成式语言模型，通过轻量级扩展LLM，避免昂贵的图像编码器，以提高文档分析效能。
在直播电商下半场，平台间互相学习、加速补课是核心，而在平台进化的过程中，势必会释放出一些红利。如果说之前品牌是押注单一平台大吃红利，接下来便是多平台布局，在平台间隙中寻找红利。
事实上，2023年还有不少品牌直播案例，从品类和内容来看，既有水泥、煤炭这样的纯B端商家开播，也有大批品牌尝试AI数字人，虽然尚未跑出足够亮眼的案例，但也进一步证明了一个趋势:品牌直播正在走向深水区。
站长之家（ChinaZ.com）1月4日 消息:图像修复一直是一个备受研究者关注的复杂挑战，其主要目标是在维持降质输入的感知质量的同时，创建视觉上吸引人且自然的图像。在没有有关主题或降质的信息的情况下（盲目恢复），了解自然图像范围至关重要。为了恢复面部图像，必须在确保输出保留个体独特面部特征之前包含身份信息。以往的研究已经探讨了使用基于参考的面部图像恢复的方法来解决这一要求。然而，将个性化整合到基于扩散的盲目恢复系统仍然是一个持久性的挑战。