谷歌提出视觉记忆方法，让大模型训练数据更灵活
谷歌研究人员提出了一种名为“视觉记忆”的方法，结合了深度神经网络的表示能力和数据库的灵活性。该方法将图像分类任务分为图像相似性和搜索两部分，支持灵活添加和删除数据、可解释的决策机制以及大规模数据处理能力。实验结果显示，该方法在多个数据集上取得了优异的性能，如在ImageNet上实现88.5%的top-1准确率。尽管有依赖预训练模型等限制，但视觉记忆为深度学习提供了新的思路。
何恺明CV课程 | AI大咖说
麻省理工学院（MIT）电气工程与计算机科学系（EECS）副教授何恺明开设了两门精彩课程：“Advance in Computer Vision”和“Deep Generative Models”。何恺明是计算机视觉和深度学习领域的杰出科学家，曾提出深度残差网络（ResNet）等重要成果。这两门课程不仅涵盖了最新的研究前沿，还由何恺明亲自授课，内容涉及卷积神经网络、生成对抗网络、变分自编码器等，是学习计算机视觉和生成模型的宝贵资源。
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值（FCM）算法的图像分割技术。算法运行效果良好，无水印。使用MATLAB 2022a开发，提供完整代码及中文注释，附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割，适用于灰度和彩色图像，广泛应用于医学影像、遥感图像等领域。
文生视频大模型
Sora 是由 OpenAI 发布的一款文本生成视频的人工智能模型，能够在理解文本的基础上生成高质量的视频内容。Sora 具备 3D 一致性、远程相干性和物体持久性等特性，但目前仍处于测试阶段，仅限特定专家使用，以确保其安全性。
AI与艺术创作：机器的艺术天赋
【10月更文挑战第31天】本文探讨了AI在艺术创作中的应用及其独特“艺术天赋”。从绘画、音乐、文学到设计，AI通过计算机视觉、自然语言处理和生成对抗网络等技术，逐渐展现出强大的创作能力。尽管面临原创性、审美标准和法律伦理等挑战，AI艺术创作仍为艺术界带来了新的视角和灵感，未来有望与人类艺术家共同推动艺术的创新与发展。