Récemment, une équipe de recherche de l’Université de Stanford a collaboré au développement d’un outil d’IA, PIGEON, qui combine la création de géocellules sémantiques avec le lissage des étiquettes, des images Street View pré-entraînées avec des transformateurs de vision CLIP, et utilise ProtoNets pour affiner les prédictions de localisation sur un ensemble d’unités géographiques candidates, comme l’a rapporté Xinzhiyuan le 14 janvier. PIGEON a obtenu un taux de précision de 91,96 % et une estimation de 40,36 % dans un rayon de 25 kilomètres de la cible sur la sous-tâche « Devinez le pays par photo », qui est le premier article de géolocalisation d’images à la pointe de la technologie au cours des cinq dernières années sans financement militaire.

Selon IT Home le 2 janvier, l’Université Tsinghua et l’Université Harvard ont développé conjointement un nouveau système d’IA appelé LangSplat, qui peut rechercher efficacement et avec précision des mots ouverts dans un espace tridimensionnel. Il est rapporté que LangSplat est la première méthode de champ linguistique 3D basée sur 3DGS, avec l’introduction spéciale de SAM et CLIP, qui surpasse les méthodes les plus avancées dans les tâches de localisation d’objets 3D à vocabulaire ouvert et de segmentation sémantique, tout en étant 199 fois plus rapide que LERF.

Selon la communauté ouverte de l’AIGC, Microsoft a annoncé l’ajout de 40 nouveaux modèles à la plateforme de développement cloud Azure AI, tels que Falcon, Phi, Jais, Code Llama, CLIP, Whisper V3, Stable Diffusion, etc., couvrant la génération de texte, d’images, de code, de parole et d’autres contenus. Les développeurs n’ont qu’à utiliser des API ou des SDK pour intégrer rapidement des modèles dans leurs applications, tout en prenant en charge des fonctions sur mesure telles que le réglage fin des données et l’optimisation des instructions. En outre, les développeurs peuvent rapidement trouver le bon produit dans le Model Mall d’Azure AI en effectuant une recherche par mot-clé, par exemple, en tapant le mot « code » pour afficher le modèle correspondant.

Selon un rapport d'IT House du 21 juillet, Netease s'est récemment associé à la Zhejiang Disabled Persons Welfare Foundation pour lancer un projet de bien-être public de restauration sonore appelé "La première phrase de la vie". Les personnes malentendantes n'ont qu'à télécharger un clip vocal de 5 minutes pour générer un modèle audio associé, leur permettant de "parler" à nouveau en utilisant leur propre voix. Netease a déclaré que les produits de clonage de voix traditionnels doivent saisir des données vocales complètes, ce qui ne convient pas aux personnes malentendantes qui ne peuvent pas prononcer la sémantique normalement. Par conséquent, l'équipe R&D de NetEase AI Lab a utilisé sa technologie iSpeech, combinée au modèle de pré-formation et au modèle d'algorithme de réglage fin rapide d'une petite quantité de données vocales pures, pour développer la "technologie de restauration du timbre". NetEase affirme que dans les enquêtes pertinentes précédentes, plus de 67% des personnes interrogées ont déclaré qu'elles étaient "disposées à utiliser la technologie de restauration du timbre", et plus de la moitié des personnes interrogées ont déclaré qu'elles étaient "disposées à recommander la technologie de restauration du timbre aux personnes dans le besoin autour d'eux." Certains répondants ont également exprimé qu'en plus des applications mobiles, ils espèrent également que la technologie de restauration du timbre pourra être utilisée dans des lieux publics tels que les transports publics, les locations, les restaurants, les supermarchés et les banques.

Selon les nouvelles d'IT House du 29 juin, Microsoft Office Assistant Clippy (Clippy) est en quelque sorte le précurseur des outils d'IA générative tels que Bing Chat que Microsoft lance maintenant. Récemment, le développeur tiers FireCube Studios a lancé une version non officielle de Big Eye Clip, grâce à laquelle les utilisateurs peuvent utiliser ChatGPT. FireCube Studios a publié cette semaine une version d'aperçu gratuite du clip pour les yeux sur le Microsoft Store (Microsoft Store), disponible pour les utilisateurs de Windows 10 et 11. Big Eye Clip peut obtenir des réponses du chatbot ChatGPT d'OpenAI, en utilisant le modèle GPT 3.5. Le développeur a souligné que les utilisateurs peuvent fixer le grand clip pour les yeux sur le bureau pour obtenir rapidement des réponses aux questions de l'intelligence artificielle générative. Cette application Big Eye Clip est disponible gratuitement, mais il existe actuellement une grande limitation, c'est-à-dire que les utilisateurs doivent acheter une clé OpenAI pour l'utiliser. Les développeurs ont déclaré qu'ils essayaient de publier une nouvelle version, qui peut utiliser le clip pour les yeux sans acheter de clé. L'application elle-même est open source et le code est disponible sur GitHub.