视频多模态大模型（LMMs）的发展受限于从网络获取大量高质量视频数据。

传统的歌声任务，如歌声合成，大多是在利用输入的歌词和乐谱生成高质量的歌声。随着深度学习的发展，人们希望实现可控和能个性化定制的歌声生成。

今年以来，具身智能正在成为学术界和产业界的热门领域，相关的产品和成果层出不穷。

随着大模型研究的深入，如何将其推广到更多的模态上已经成为了学术界和产业界的热点。

80 多篇论文搞懂「机器人+3D」研究进展。

只用1890美元、3700 万张图像，就能训练一个还不错的扩散模型。

Defect Spectrum数据集以及DefectGen缺陷生成器，提供了实际工业检测中所需的高精确度和丰富缺陷语义，解决了模型无法识别缺陷类别或位置的问题。