扩散模型失宠？端侧非自回归图像生成基础模型Meissonic登场，超越SDXL！
Meissonic是一种新型图像生成模型，采用非自回归的掩码图像建模（MIM）方法，在性能和效率上超越了当前最先进的扩散模型SDXL。其创新点包括改进的注意力机制、多尺度特征提取、先进位置编码策略和优化采样条件等，能够生成高质量、高分辨率图像。此外，Meissonic引入人类偏好评分和特征压缩层，提升图像质量和计算效率。尽管存在一些挑战，Meissonic为统一语言-视觉模型的发展提供了新思路，并在创意设计、虚拟现实等领域展现出广泛应用前景。
使用Web浏览器访问UE应用的最佳实践
在3D/XR应用开发中，尤其是基于UE（虚幻引擎）开发的高精度场景，传统终端因硬件局限难以流畅运行高帧率、复杂效果的三维应用。实时云渲染技术，将渲染任务转移至云端服务器，降低终端硬件要求，确保用户获得流畅体验。具备弹性扩展、优化传输协议、跨平台支持和安全性等优势，适用于多种终端和场景，特别集成像素流送技术，帮助UE开发者实现低代码上云操作，简化部署流程，保留UE引擎的强大开发能力，确保画面精美且终端轻量化。
NETALAND惊艳上线，Paraverse平行云助力元宇宙大玩家网易闪亮登场
网易传媒旗下全新泛娱乐空间NETALAND于2023年5月上线，融合电影级场景与趣味互动，提供沉浸式元宇宙体验。通过与平行云合作，NETALAND实现了轻量化社交、全地图飞行及丰富的定制化功能，支持用户在五大风格场景中自由探索。LarkXR实时云渲染技术确保了流畅的交互体验，并助力采集宝贵的用户行为数据，推动元宇宙内容创新。
通义万相重磅升级，成功登顶VBench，百炼邀您第一时间体验
阿里云通义万相推出2.1视频生成模型，大幅提升复杂运动、物理规律遵循及艺术表现，在权威评测VBench中夺冠。新模型采用自研VAE和DiT架构，增强时空上下文建模，实现更稳定的大幅度肢体运动和多对象生成。通义万相支持中英文文字特效生成，满足广告设计、短视频等创作需求，并在阿里云百炼平台开放API调用，提供免费试用资源。
NeurIPS 2024最佳论文，扩散模型的创新替代：基于多尺度预测的视觉自回归架构
本文详细解读NeurIPS 2024最佳论文《视觉自回归建模：基于下一尺度预测的可扩展图像生成》。该研究提出VAR模型，通过多尺度token图和VAR Transformer结构，实现高效、高质量的图像生成，解决了传统自回归模型在二维结构信息、泛化能力和计算效率上的局限。实验表明，VAR在图像质量和速度上超越现有扩散模型，并展示出良好的扩展性和零样本泛化能力。未来研究将聚焦于文本引导生成和视频生成等方向。
ByteDance Research登Nature子刊：AI+冷冻电镜，揭示蛋白质动态
在生物医学领域，蛋白质的结构与功能研究至关重要。ByteDance Research团队开发的CryoSTAR软件，结合AI与冷冻电镜技术，通过深度学习模型、结构先验和异质性重构算法，成功解析了蛋白质的动态行为，尤其在处理结构异质性方面表现出色。该软件已在多个蛋白质体系中取得显著成果，如TRPV1通道蛋白的动态变化研究，为理解蛋白质功能及疾病机制提供了新思路。论文链接：https://www.nature.com/articles/s41592-024-02486-1