Generative Foundation Models
PulseAugur coverage of Generative Foundation Models — every cluster mentioning Generative Foundation Models across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
GS-Agent 框架从文本生成动态 4D 世界
研究人员开发了 GS-Agent，这是一个新颖的多代理框架，旨在根据自然语言描述生成动态且物理上逼真的 4D 世界。该系统集成了物理引擎以确保合理性和可控性，解决了当前生成模型的局限性。GS-Agent 通过将任务分解为实体管理（包括资产策划、材质调整和运动控制）以及相机和灯光的渲染配置来模仿人类世界构建过程。代理通过代码与物理引擎交互，利用多模态反馈，并迭代协作以构建符合用户描述的世界，为 4D 内容创作和具身人工智能开辟了新范式。
-
令牌通信：LLM 驱动新的语义通信范式
两篇研究论文介绍了“令牌通信”（TokenCom）作为一种新的语义通信范式，利用大型语言模型（LLM）提高数据传输效率。第一篇论文“ToDMA”提出了一种大型模型驱动的海量令牌通信方案，使无协调设备能够传输令牌化表示，并使用 LLM 进行错误校正。第二篇论文“令牌通信”将 TokenCom 构建为一种跨模态上下文感知语义通信框架，强调了其在基于 Transformer 的令牌处理方面的潜力，并展示了图像传输中的带宽效率提升。
-
新型13亿参数AI模型可生成逼真胸部X光片
研究人员开发了一种新的胸部X光片生成式基础模型，拥有超过13亿个参数，并在120万张多样化的放射影像上进行了训练。该模型在最近的一篇arXiv论文中有所介绍，旨在通过实现跨不同患者人群、成像视角和病理的X光片图像的可控合成和编辑，来提高现有AI诊断工具的泛化能力。据报道，生成的图像在临床专家看来与真实放射影像无法区分，为增强诊断模型的鲁棒性和数据集多样性提供了一条有前景的途径。