20240416 每日AI必读资讯

🌐清华大学设计出用于通用人工智能的光子芯片：太极芯片
– 采用分布式光计算架构，具备亿级神经元的芯片计算能力，显著提高处理速度和能效。
– Taichi芯片能处理接近人类智能水平的复杂任务。
– Taichi能在高精度下处理复杂的分类和内容生成任务。
– 可应用与如自动驾驶、智能制造和高级机器人。
🔗新闻：https://www.tsinghua.edu.cn/en/info/1399/12830.htm
🔗论文：https://www.science.org/doi/10.1126/science.adl1203?ref=ai-recon.ghost.io
🔗 https://blink.csdn.net/details/1681350

🌍陶哲轩力荐！史上最全「数学AI资源」清单出炉
– 美国国家科学院「AI辅助数学推理」研讨会期间发起清单行动。
– 由UIUC的助理教授Talia Ringer进行整理。
– 从自学材料、论坛、工具，到研究平台的各种资源。
🔗文档地址：https://docs.google.com/document/d/1kD7H4E28656ua8jOGZ934nbH2HcBLyxcRgFDduH5iQ0/edit
🔗陶哲轩力荐！史上最全「数学AI资源」清单出炉-CSDN博客
 

🎨比换脸更强大！SwapAnything：替换图片中的任意元素
– SwapAnything框架具有精确控制对象和部分、保留上下文像素、适应个性化概念等优势。
– 通过定向变量交换和外观调整技术，SwapAnything展现了精确和忠实的交换能力。
– SwapAnything能在图像中精确控制任意对象，实现高质量的个性化交换。
🔗项目入口：https://github.com/eric-ai-lab/swap-anything
🔗

🎮代码、模型全开源！贾佳亚团队多模态模型 Mini-Gemini登上热榜
– Mini-Gemini模型在多模态任务上取得显著成绩，开源代码和模型数据。
– Mini-Gemini结合图像理解和生成，展现出色图像推理能力。
– 采用Gemini视觉双分支信息挖掘方法，有效处理高分辨率图像并生成内容丰富的视觉和文本内容。
🔗Github 地址：https://github.com/dvlab-research/MiniGemini
🔗Demo 地址: http://103.170.5.190:7860/
🔗论文地址：https://arxiv.org/pdf/2403.18814.pdf
🔗模型地址：https://huggingface.co/collections/YanweiLi/mini-gemini-6603c50b9b43d044171d0854
🔗数据地址：https://huggingface.co/collections/YanweiLi/mini-gemini-data-660463ea895a01d8f367624e

🤖面壁智能开源MiniCPM2.0系列模型 OCR等能力显著增强
– MiniCPM-V2.0是端侧最强的多模态模型，具有强大的OCR能力。
– MiniCPM-1.2B是适配端侧场景的基座模型，推理速度快成本低。
– MiniCPM-2B-128K是目前最小的长文本模型，处理128K文本内容。
🔗MiniCPM-V2.0：https://github.com/OpenBMB/MiniCPM-V
🔗MiniCPM系列开源地址：https://github.com/OpenBMB/MiniCPM
🔗MiniCPM技术Blog地址：https://openbmb.vercel.app/?category=Chinese+Blog

🖼️InstantID团队推新风格迁移方法InstantStyle 一键置身“梵高星空”
– 特征相减：利用CLIP模型的特性，通过特征相减去除内容信息，实现风格和内容解耦。
– 仅风格层注入:在特定风格层完成特征注入，实现风格和内容解耦。
– 通用性强:InstantStyle的方法具有通用性，提供丰富代码实现，支持多种应用场景。
🔗论文：InstantStyle: Free Lunch towards Style-Preserving in Text-to-Image Generation
🔗项目主页：https://instantstyle.github.io/
🔗代码链接：https://github.com/InstantStyle/InstantStyle
🔗Demo 地址：https://huggingface.co/spaces/InstantX/InstantStyle

🎭用Gemini 1.5 Pro API和Raspberry Pi制作AI可穿戴设备原型机！
– 利用摄像头拍摄，Gemini 1.5 Pro实时回答任何看到的一切。
– 通过TTS转录成语音来用耳机接受回答内容。
🔗 http://GitHub：https://github.com/advaitpaliwal/insight
🔗 https://blink.csdn.net/details/1681364