Vision Transformer

10 月28

本地端高效、高畫質影片生成引擎來了：LTX-2

LTX-2 不只是另一款技術模型，它標誌著「生成式影片」從邊緣試驗進入「廣泛創作／實務應用」的時代。對 Edge AI 開發者而言，LTX-2 則代表生成式 AI 已逐步邁向「可在本地運行、低延遲、可整合於實際應用管線」的新階段。

5 月07

YOLOv12也向Transformer技術靠攏！本文介紹其創新設計技術亮點。

4 月30

NVIDIA與Google持續提出通用型機器人AI（Generalist Robot AI）架構，本文將從兩者的相似性與互補性進行探討，以提供對通用機器人AI合作與融合可能性的分析展望。

4 月23

最新版本的YOLOv12延續了 YOLO 系列一貫的「高速 + 準確」的設計理念，但在架構、訓練方法與推論效率方面均有顯著改進，並且更加靠近 transformer 技術與多模態學習的整合，本文將做個介紹。

3 月20

ViT 顛覆了傳統 CNN 在視覺領域的統治地位，透過 Transformer 直接處理影像，展現了極大的潛力。

3 月14

從單模態的LLM出發，目前的AI正如火如荼朝向多模態模型發展，特別是處理語言 + 平面視覺或連續視覺的VLM及Video-LM模型，讓AI看圖說故事或說故事生影片的情境成真了。