2026年3月30日到4月1日，48小时内，老美ITC对TCL和海信连发两起337调查。这是巧合吗？你往下看就知道了。337调查不是普通专利官司，它是老美关税法...

在RA2V（参考图像+音频转视频）任务上，OmniShow的表现更加全面。除了TA和FaceSim指标略低于HuMo-17B外，其他指标包括NexusScore...

在数字化时代，我们每天都在接触大量的视觉信息——从技术文档里的图表、学术论文里的插图，到社交媒体上的图片和视频。

最近随着seeddance 2.0的出现，世界模型逐步走入大众的视野。当传统的大语言模型逐渐消耗完互联网的真实数据，性能走进瓶颈的时期，世界模型则作为一个核心概...

我们在彩色视频及高光谱图像上验证BCP-RPCC的前景提取能力。我们的模型的主要突破点在于对支撑集的直接估计，也即它是“硬分类器”，但主流的通用模型均只能给出的...

论文链接：https://arxiv.org/pdf/2603.25716 项目链接：https://kj-chen666.github.io/Hybrid-M...

本工作提出了 OpenWorldLib 框架，其核心设计包含以下五个功能模块及一个调度中心：

微软这次没搞大新闻，而是把 Chat 体验打磨得更顺手了，进一步说就是：别让用户折腾，让 AI 好好干活。

现在最火的是AI，应该没人会怀疑AI的含金量吧。但如今AI公司、模型遍地都是，还有AI智能体又是什么？

我们生成了一张多宫格场景图，比如四宫格、九宫格，甚至更多拼图场景，但后续在做分镜、视频生成、素材整理时，往往需要把它们单独拆分成一张张独立图片。

网页里有视频，字幕也已经有了，而且还是中文字幕。内容本身没问题，阅读也没问题，但就是没有中文的配音。

这意味着 LMDeploy 的多模态输入能力进一步扩展，不再局限于文本或静态图像，开始向视频类输入场景延伸。对于本地推理、视频理解、多模态交互等场景来说，这是非...

阿里云点播（ApsaraVideo VOD）是集音视频采集、编辑、上传、自动化转码处理、媒体资源管理、分发加速、视频播放于一体的一站式音视频点播解决方案，核心工...

FFmpeg作为音视频处理领域的"瑞士军刀"，其架构设计遵循模块化思想，核心由解复用器(Demuxer)、解码器(Decoder)、编码器(Encoder)、复...

在动手编码前，我们先理清核心技术的底层逻辑——知其然更知其所以然，才能灵活应对业务变化。

中数联成依托腾讯云及混元大模型，针对中小微企业数字化营销困境，构建了涵盖全链路技术底座、AI内容创作流水线、矩阵式运营与定制化IP的AI营销智能体体系。该方案已...

• Kimi K2.5 是“长视频专家”——能连续理解最长 10 小时的视频，通过时序感知模态融合层解决了帧间时序信息丢失的核心问题。它还有个“视频即代码”的绝...

I级（重大）： 封闭半幅路面以上，或对车辆高宽长轴载有限制且作业超1小时，影响行车。自动推送预案，视频投屏确认，发布情报板及雨棚屏限流信息，显示机电、养护、交警...

但作为一个每周要输出 3-5 篇技术文章、配套口播视频、社交媒体内容的人，我需要的不只是"积累"和"查询"，我需要把知识变成内容产品推出去。

近日，国内领先的芯片IP设计与服务提供商安谋科技（中国）有限公司在上海举办开年技术盛会《玲珑·视界》，正式发布面向AI全场景应用的新一代VPU IP产品——“玲...