技术Blog
探索人工智能领域的最新研究成果与技术实践
ICLR 2025 | 计算量仅DiT的一半！一个模型架构搞定T2X任务
研究人员基于Proxy token提出了一种高效的Diffusion Transformer 即PT-DiT, 能够适用于文本生成图像、视频和M…
更懂中文还兼顾SD生态，360开源文生图模型结构，寡姐秒变中国新娘 | AAAI
具备原生中文理解能力，还兼容Stable Diffusion生态。 最新模型结构Bridge Diffusion Model来了。 与Dream…
360人工智能研究院@AAAI：多模态理解与生成的生态思考与前沿探索
在人工智能的技术变革浪潮中，360集团从业务到研发全面拥抱AI技术，360人工智能研究院发挥自身的技术积累和智力优势，承担多模态理解和多模态生成…
为多模态LLM引入ControlNet理念，开源插件解决灾难性遗忘 | AAAI
IAA工作的思路，就是希望能把多模态理解能力像文生图领域中的ControlNet一样，作为插件添加到基座的语言模型之上，从而实现在完全不影响语言…
NeurIPS2024 | 提高专业生产力，让你的AI画作布局可控，360 AI Research开源新模型HiCo
360人工智能研究院在人工智能顶会NeurIPS2024上提出了布局可控AI绘画模型HiCo，并将于近期开源。基于HiCo模型，使用者可以对生成…
性能不输SOTA，计算量仅DiT一半！T2X任务新范式来了
中山大学和360 AI Research联合推出PT-DiT，同参数规模下，计算量仅为DiT的51.4%，Lumina-Next的17.5%。…
多模态模型‘遗忘’原有的语言能力，回答不详细、理解力下降！这个痛点你遇到过吗？
在AI训练中，是否遇到过多模态模型‘遗忘’原有语言能力的情况？模型回答不详细，文本理解力下降，让人头疼不已。360团队提出全新IAA结构，通过内…
冻结语言模型训练LMM新范式，360提出IAA，使语言模型无损获取多模态理解与Grounding能力！
提出了一种内部适配器结构（IAA），其设计宗旨在于提升大语言模型（LLM）在通用多模态理解和视觉定位等方面的能力。
RTX3090可跑，360AI团队开源最新视频模型FancyVideo，红衣大叔都说好
开源社区又迎来一款强力的「视频生成」工作，可以在消费级显卡 (如 GeForce RTX 3090) 上生成任意分辨率、任意宽高比、不同风格、不…
360发布FancyVideo:通过跨帧文本指导实现动态且一致的视频生成SOTA！
一种新的视频生成方法，名为FancyVideo，它通过跨帧文本指导优化了常见的文本控制机制（如空间交叉注意力）。它通过精心设计的跨帧文本指导模块…
集结行业智慧，ISC.AI 2024探索多模态时代大模型发展的“中国路径”
ISC.AI 2024多模态时代的大模型关键技术与应用论坛成功召开。本次论坛由360人工智能研究院、中国图象图形学学会联合主办，集结业界知名学者…
360开源360VL解锁Llama3多模态能力 ！
360VL作为一个视觉多模态大语言模型，能够支持多层次的视觉任务。在模型结构上，360VL遵循视觉编码器-桥接层-大语言模型的设计，通过语言模型…