AI项目
Gemini1.5 Pro+StableDiffusion+ComfyUI=DALL·3
开源社区一直以来的梦想：DALLE3交互和提示词生成能力 + 无数SD模型出图能力，这不巧了嘛
百万上下文、多模态+多轮对话、打标/反推
Google DeepMind 发布了 AlphaFold 3
能够预测所有生命分子结构和相互作用 AI 模型
该模型能够生成蛋白质、DNA 和其他分子的 3D 结构，并揭示它们如何组合在一起。
该模型还能够模拟影响细胞健康的化学变化，并检测可能导致疾病的异常。
AlphaFold 3 将为全球科学研究人员和机构免费开放。它的高精度和新一代架构可支持药物发现和生物学的突破性进展。
微软开发出数据驱动的AI天气预测模型
能准确预报未来 30 天天气情况
该模型基于微软 Start 团队近日的最新研究成果，结合了 5 种不同的人工智能模型和 3 种深度学习架构，并利用 了过去数十年的天气数据进行训练，能够准确预测 30 天内的天气预报。
科学家通过机器学习模型，为脓毒症治疗“争分夺秒”
这项研究的结果表明，个性化的抗生素治疗时间建议模型可以帮助医生更好地决策，避免治疗延迟或过早给药带来的潜在危害，同时降低患者的死亡率和医疗成本。
Google推出由 Gemini 驱动的网络安全产品
Google 威胁情报的用途示例：
识别和防御网络钓鱼攻击：
假设一家企业遭遇了钓鱼电子邮件攻击，员工可能收到包含恶意链接或附件的电子邮件。
Google Threat Intelligence可以利用其庞大的电子邮件监控网络，检测并阻止这些恶意邮件的传播。
Apple 推出 OpenELM
CoreNet 是一个深度神经网络工具包，允许研究人员和工程师为各种任务训练标准和新颖的小型和大型模型，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测，和语义分割。
Apple 使用 CoreNet 进行的研究工作
OpenVoice V2版本发布
OpenVoice，这是一种多功能的即时语音克隆方法，只需要参考说话者的一个简短的音频剪辑即可复制他们的声音并生成多种语言的语音。除了复制参考说话者的音色之外，OpenVoice 还可以对语音风格进行精细控制，包括情感、口音、节奏、停顿和语调。
Adobe发布了视频超分项目VideoGigaGAN
VideoGigaGAN，这是一种新的生成 VSR 模型，可以生成具有高频细节和时间一致性的视频。
VideoGigaGAN 基于大规模图像上采样器——GigaGAN。简单地通过添加时间模块将 GigaGAN 扩展到视频模型会产生严重的时间闪烁。
确定了几个关键问题，并提出了显着提高上采样视频的时间一致性的技术。
GitHub 正式推出 GitHub Copilot Workspace 的技术预览版。
一切从任务开始：从一个 GitHub Issue、Pull Request 或仓库中打开 GitHub Copilot Workspace。（截图显示了 octoacademy 仓库中的一个 Issue。）
微软必应的一项新专利详细介绍了“视觉搜索”
微软在 Bing 图片搜索中已引入视觉搜索选项，通过识别图片中的内容，并扩展显示相关的图片资源，实现以图搜图功能。
微软计划将必应的图片搜索引入到聊天平台上，增强用户参与度并提供更全面的搜索结果。
中国机器人公司LimX Dynamics
中国机器人公司LimX Dynamics展示了双足平衡和导航技术已经发展到了多么高的水平
专为人体模拟而设计的机器人开发商。公司产品主要专注于运动智能和腿式机器人的研发和制造，包括仿人双足和四足机器人及相关解决方案，应用在工业检测、物流配送、特种作业、家居服务等领域，为为客户提供高品质、创新的产品。
Synthesia推出虚拟数字人：Expressive-1
Synthesia 是一个基于人工智能的 AI 视频生成制作平台，利用深度学习算法来合成逼真的人脸表情和口型，从而让虚拟的人物能够根据用户输入的文字来说话。用户只需要在网页上输入文字，就可以生成一段专业、有说服力的视频。
Expressive-1能根据文本自动做出皱眉、微笑、皱眉头等表情。