盖帝图像(Getty Images)和NVIDIA正进一步深化在AI领域的合作伙伴关系。此次推出的Generative AI by iStock,就是一套专门用于制作照片库的文本到图像平台。
Generative AI by iStock以盖帝图像首次在AI图像生成领域的开拓性成果,即Generative AI by Getty Images为基础。二者的不同之处在于,iStock的图像平台(Getty旗下的照片库服务)将对个人或单用户开放,而盖帝图像则更像是一种多用户式的企业级解决方案。
Generative AI by iStock使用NVIDIA的Picasso模型进行训练,全部学习素材均来自盖帝图像的创意库和iStock照片库。为了防止生成真实商标或人物,学习过程未使用盖帝图像的编辑图像库。
盖帝图像首席产品官Grant Farhall在采访中表示,Generative AI by iStock主要面向那些需要大量照片库素材的中小型企业。
Farhall解释称:“iStock将帮助用户高效工作,获取自己需要的高精度照片,甚至包括那些不可能用真实相机拍下的画面。”举例来说,假如有用户希望用一系列照片来表现气候变化,则可以提示Generative AI by iStock生成一张企鹅走过城市街道的图像。现在用不着雇佣摄影师再安排一群企鹅,AI就能完成整个画面创作。
Generative AI by iStock的定价为每100条提示词14.99美元,每条提示词可生成4张图像。
盖帝图像平台与新的iStock服务之间的另一大区别,还体现在法律赔偿额度上。与Generative AI by Getty Images不同,iStock不会向用户提供无限赔偿,其每项资产的上限为10000美元,与现有照片库的许可条款保持一致。但与开启盖帝生成式AI先河的盖帝图像平台一样,iStock内容也会向模型训练中的素材贡献者提供收入共享计划。
盖帝图像公司发言人Alexander Lazarou在采访中强调,iStock平台还将“很快”获得图像填充(inpainting)和画面外扩(outpainting)功能。其中填充功能允许用户指定图像中的特定区域,再根据文本提示向其中填充人物或物体。画面外扩则可按不同的画面比例将显示区域扩大,再用AI生成内容将其填满。
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。