- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技大本营的专栏
苹果发布 AI 生成模型 GAUDI，文字生成 3D 场景
整理 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 前有DALL.E文本生成图像，现有将文字变成 3D场景。 近日，苹果 AI 团队发布最新 AI 模型 GAUDI，它是基于 3D 场景的神经架构 NeRFs，可以根据文字生成 3D 室内场景。 苹果 AI 团队发布的 GAUDI 是一种能够生成沉浸式 3D 场景的神经架构，可以根据文字提示创建 3D 场景。 例如，输入“穿过走廊”或“上楼梯”，就可以看到执行这一动作的 3D 场景视频。 Apple GAUDI 是 3D 内饰专家 虽然谷歌致力于使用 Dream Fields 生成单个对象，但将生成 AI 扩展到完全不受约束的 3D 场景仍是一个尚未解决的问题。 虽然现在 GAUDI 生成的 3D 场景视频质量还不是很高，但这也说明了 AI 在图像和视频技术这生成的另一种可能。
95420编辑于 2022-12-09 HTML生成网页工具推荐：哪些场景最值得用AI？
于是，“HTML生成网页工具推荐”成了越来越多人主动搜索的关键词。与其问哪个工具最好，不如先想清楚：哪些场景最值得用AI？ 一、快速验证想法的场景比如你要测试一个新项目的落地页，核心是验证转化，而不是研究技术细节。这时候，用HTML生成网页工具可以直接生成结构清晰的页面骨架，省去手写模板的时间。 需要说明的是，lynxcode就是原来的lynxAI，功能上已经从单页生成扩展到完整应用构建。二、非前端开发者的协作场景产品经理、运营、内容编辑，经常需要一个“能跑起来的页面”去沟通想法。 HTML生成网页工具的价值就在于降低表达门槛，让非技术人员也能生成可预览的页面，再交给工程团队优化。在这种协作模式下，AI生成的是“沟通介质”，而不是最终成品。 四、学习与拆解结构对于初学者而言，AI生成的HTML代码也是一种学习素材。通过观察生成结果，可以理解页面布局逻辑、语义结构和基础样式组织方式，比从零空白开始更友好。
17110编辑于 2026-03-03- 来自专栏人工智能
📌《AI生成代码的边界测试：哪些场景人类仍需主导》
现状速览：AI代码生成器的双面性 已突破的边界✅ 重复性模板代码：实体类生成/CRUD接口（效率提升50%+）# AI自动生成的Flask路由模板 @app.route('/api/users', methods ，结果出现： 1️⃣ 羊毛党漏洞：未识别跨店铺满减叠加规则 2️⃣ 库存超卖：分布式锁实现缺失 3️⃣ 风控缺失：未考虑黄牛批量刷券场景 AI生成的代码就像未经打磨的玉石，需要人类注入业务灵魂 ：测试用例的“反直觉”设计 AI生成的典型测试代码// 仅覆盖基础场景 @Test void testCouponUse() { Coupon coupon = new Coupon(100, 20 人类专注业务异常流设计 风险预警实时数据流分析 提前10分钟发现资金闭环漏洞知识沉淀故障模式自动归档构建企业级防御性编程知识库 ⚙️ 腾讯云场景化解决方案▸ CODING DevOps：AI生成代码质量门禁 #人机协同 #代码质量 #未来开发 #腾讯云开发者社区️ 附录：腾讯云开发者工具箱场景 推荐产品 人机协同亮点 代码生成腾讯云AI代码助手支持上下文敏感的业务规则注入 安全审计腾讯云安全中心
54610编辑于 2025-04-14 - 来自专栏大数据，java，Python和前端
一键生成，效率革命：AI 神器 CodeBuddy IDE 实测与场景应用
CodeBuddy IDE 正是这样一款以 AI 为核心驱动力的新一代开发环境，它彻底颠覆了传统编码流程。本文将深入实测其核心功能，并展示它在真实业务场景中的强大落地能力。 二、高频开发场景落地：CodeBuddy 如何赋能真实业务CodeBuddy 并非玩具，它在实际业务开发中展现出强大的生产力。 以下是几个典型场景：场景 1：快速构建电商商品展示页 (前端焦点)痛点： 电商页面元素多（标题、图片、价格、SKU 选择、购物车按钮、详情描述、推荐列表），手动编写重复性高，设计微调频繁。 即刻体验：访问 CodeBuddy 官网 下载 IDE 或体验在线版，开启你的 AI 辅助高效开发之旅！告别重复造轮子，让人工智能成为你编程的得力助手。 一句话总结： CodeBuddy 不是取代开发者，而是用 AI 消除编码中的“苦力活”，释放创造力，让开发者专注于真正创造价值的部分。效率即竞争力，CodeBuddy 助你赢在起跑线！
83131编辑于 2025-08-04 - 来自专栏云云众生s
生成式AI在IT运维中的三个应用场景
IT运维团队目前已在以下几个方面运用生成式AI来提升工作流程: 自动化状态更新、事故后调查分析，以及流程自动化。 译自 Three Use-Cases for Generative AI in ITOps，作者 Dormain Drewitz 是PagerDuty产品营销和开发者关系副总裁。 对于许多希望满足这些强烈需求的团队来说，生成式AI(GenAI)是一代人中最令人兴奋的技术。 通过遍历原始事件数据，大型语言模型可以快速生成全面摘要。但不要指望IT团队成员在事件发生时尝试完善他们的提示。相反，应该寻找了解事件状态更新上下文的预构建摘要功能。 通过收集日志、指标和即时消息，GenAI可以快速汇编进行事件审查所需的数据，然后生成关键部分，如主要发现、根本原因、改进领域和时间表。
70110编辑于 2024-03-28 - 来自专栏内容管理系统
MassCMS with AI 功能场景探索
这种结合不仅打破了传统内容管理在效率、精准度和扩展性上的局限，更催生出一系列创新的功能场景，从内容的创作生成到审核分类，从搜索应用到网页管理，AI 的赋能让 MassCMS 在各个环节都展现出强大的潜力 AI内容创作与生成自动内容生成借助 AI 技术，MassCMS 在实现内容自动生成时，能紧密贴合 CMS 的内容管理调性以及企业数字资产的独特调性，生成符合企业个性的内容。 当需要生成内容时，AI 会调用该数据库，让生成的内容与企业风格保持一致。比如，对于一家以严谨、专业著称的金融企业，在生成市场分析报告时，AI 会采用精准的数据表述、专业的金融术语，行文风格沉稳、客观。 MassCMS 与 AI 的融合在内容创作、管理、推荐、搜索等多方面展现出巨大潜力，将为内容管理领域带来深刻变革，创造更多创新应用场景，提升用户体验和内容运营效率 。4. AI网页生成与内容管理MassCMS 集成的 AI 工具可直接解析 Sketch、Figma 等设计文件，自动生成适配 Vue 或 React 框架的前端代码。
23400编辑于 2025-07-21 - 来自专栏CDA数据分析师
谷歌AI发布Deepfake检测数据集，真人多场景拍摄，生成3000段假视频
来源：Google AI 编辑：大明 本文转自公众号：新智元 【导读】Deepfake又添劲敌！这次出手的是谷歌。 谷歌AI昨日发布Deepfake视频识别数据集，共包含3000多段视频，由真人演员现场多场景拍摄。利用这些数据可以开发Deepfake自动检测工具，更高效地识别Deepfake假视频。 现代生成模型就是其中的一个例子，能够合成超现实主义的图片、语音、音乐甚至是视频。这些模型已经用在多个应用中，包括通过文本—语音转换，生成用于医学成像的训练数据等。 正如去年在《人工智能七原则》中所说的那样，我们致力于开发AI最佳实践，致力于减少AI技术滥用所带来的伤害和滥用。去年1月，我们发布了合成语音数据集，支持开发高性能合成音频检测器的国际挑战赛。 演员们在各种场景中拍摄视频。
1.3K30发布于 2019-10-10 - 来自专栏机器之心
ECCV 2022｜全场景图生成PSG：追求「最全面」的场景理解
机器之心专栏 作者：MMLab@NTU 本文提出基于全景分割的全场景图生成（panoptic scene graph generation，即PSG）任务。 事实上，在智慧城市、自动驾驶、智能制造等许多现实世界的 AI 场景中，除了对场景中的目标进行定位外，我们通常还期待模型对图像中各个主体之间的关系进行推理和预测。 传统场景图生成任务的数据集通常具有对象的边界框标注，并标注边界框之间的关系。 论文介绍 因此，来自新加坡南洋理工大学和商汤科技的研究者提出全场景图生成（PSG）任务，携同一个精细标注的大规模 PSG 数据集。 该任务利用全景分割来全面准确地定位对象和背景，从而解决场景图生成任务的固有缺点，从而推动该领域朝着全面和深入的场景理解迈进。
1.8K40编辑于 2022-08-26 - 来自专栏ATYUN订阅号
利用AI 生成商标
最新的尝试是生成一个对抗网络(GAN)——由样本生成器和鉴别器组成，它们可以区分生成的样本和真实世界的样本。 然后他们使用谷歌的云视觉服务生成4到8个描述标识内容的单词标签，并使用预先训练的人工智能模型对这些标签进行矢量化，为每个示例创建空间表示。之后再对这些空间表征进行聚类，以识别具有相似视觉特征的特征。
2.9K20发布于 2019-10-08 - 来自专栏开源心路
AI生成视频-Pika
背景介绍 Pika 是一个使用 AI 生成和编辑视频的平台。它致力于通过 AI 技术使视频制作变得简单和无障碍。 Pika 1.0 是 Pika 的一个重大产品升级，包含了一个新的 AI 模型,可以在各种风格下生成和编辑视频,如 3D 动画，动漫，卡通和电影风格。 现在我们需要告诉 AI 实际上我们想要生成什么样的片段。 你不必上传起始图像，PIKA自己就能很好地创建出海浪和冲浪的场景。你可以从五种可选字体中选择一种，但这不是必须的，在这里我们将默认使用 “Modern” 这种字体。 我们很高兴推出 Pika 1.0，这是一次重大的产品升级，包括一个新的 AI 模型，它能够以 3D 动画、动漫、卡通和电影等各种样式生成和编辑视频，以及一个新的 Web 体验，使其更容易使用。
1.8K10编辑于 2023-12-06 - 来自专栏王的机器
生成式 AI 简介
生成和判别模型 GenAI 是一个 buzzword，其背后本质是生成模型 (generative model)，它是机器学习的一个分支，目标是训练模型以生成与给定数据集相似的新数据。 和判别模型不同的是，生成模型不需要示例里含有标签，因为它的目标是生成新数据，而不是给数据预测标签。 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3.
67430编辑于 2023-09-02 - 来自专栏自学气象人
生成式 AI 简介
生成和判别模型 GenAI 是一个 buzzword，其背后本质是生成模型 (generative model)，它是机器学习的一个分支，目标是训练模型以生成与给定数据集相似的新数据。 和判别模型不同的是，生成模型不需要示例里含有标签，因为它的目标是生成新数据，而不是给数据预测标签。 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3.
66310编辑于 2023-09-05 - 来自专栏授客的专栏
loadrunner 场景设计-负载生成器管理
场景设计-负载生成器管理 by:授客 1 简介 当执行一个场景时，Controller把场景中的每个用户配到负载生成器(Load generator)。 Enable选择定的生成器,反过来，如果某个开启的负载生成器对于某个特定场景不可用，可临时禁用负载生成器，而不必要把它从列表移除。 当某个load generator的CPU超负荷使用，Controller停止在超负荷的load生成器上加载虚拟用户，并自动在其它参与了场景的生成器中分发虚拟用户，如果没有其它负载生成器，那么Controller 注：据说负载平衡仅在手工场景的百分比模式和以目标为导向的场景中可用。？？有待验证 1. 开启远程负载生成器的LoadRunner Agent服务 Start > Programs > LoadRunner > LoadRunner Agent Process 说明： 当场景开始运行时
1.1K20发布于 2019-09-12 - 来自专栏AI技术应用
AI口语练习的场景模拟
AI口语练习的场景模拟是利用人工智能技术，特别是自然语言处理（NLP）、语音识别（ASR）和语音合成（TTS），构建各种虚拟的对话场景，让用户能够像在真实生活中一样进行口语练习。 以下是AI口语练习场景模拟的一些关键方面：1. 场景设计的原则：真实性： 场景应尽可能贴近现实生活，使用户能够将练习应用到实际交流中。 例如，初学者可以从简单的日常对话开始，而需要准备商务英语考试的用户则可以选择商务场景进行练习。互动性： 场景应具有一定的互动性，用户可以根据自己的意愿进行回答和提问，而不是被动地听取AI的讲解。2. 场景模拟的技术实现：自然语言处理（NLP）： 用于理解用户的输入，并生成相应的回复。语音识别（ASR）： 用于将用户的语音转换为文本。语音合成（TTS）： 用于将AI生成的文本转换为语音。 场景模拟的未来发展趋势：更逼真的虚拟环境： 借助VR/AR等技术，构建更逼真的虚拟环境，提供更沉浸式的学习体验。更智能的AI交互： 提高AI的理解能力和回复能力，使对话更加自然流畅。
63110编辑于 2025-01-22 - 来自专栏慕枫技术笔记
深入理解生成式AI技术原理：初识生成式AI
真正的大师永远怀着一颗学徒的心 如果将人工智能按照用途进行简单分类的话，人工智能可以划分为决策式AI以及生成式AI两类。 而以ChatGPT为代表的生成式AI通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结，同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是视频等多模态内容。 深度学习 深度学习是生成式AI背后比较核心的实现技术，它是机器学习的重要优化手段，而机器学习又是人工智能领域重要的落地实现措施。 这就好比我们早期的烟囱式的技术架构，都是针对某一项特定的业务场景来进行系统平台的建设。 总结 本文主要对生成型AI进行了初步阐述，同时针对生成型AI最核心的两个技术点分别进行了初步说明，后面的专栏文章中将继续以深度学习以及大模型核心技术点作为切入点来深入分析生成型AI背后的技术原理。
2.2K30编辑于 2023-08-10 - 来自专栏韩曙亮的移动开发专栏
【组合数学】生成函数 ( 生成函数应用场景 | 使用生成函数求解递推方程 )
文章目录 一、生成函数应用场景 二、使用生成函数求解递推方程 参考博客 : 【组合数学】生成函数 简要介绍 ( 生成函数定义 | 牛顿二项式系数 | 常用的生成函数 | 与常数相关 | 与二项式系数相关 | 与多项式系数相关 ) 【组合数学】生成函数 ( 线性性质 | 乘积性质 ) 【组合数学】生成函数 ( 移位性质 ) 【组合数学】生成函数 ( 求和性质 ) 【组合数学】生成函数 ( 换元性质 | 求导性质 | 积分性质 ) 【组合数学】生成函数 ( 性质总结 | 重要的生成函数 ) ★ 【组合数学】生成函数 ( 生成函数示例 | 给定通项公式求生成函数 | 给定生成函数求通项公式 ) 一、生成函数应用场景 ---- 生成函数应用场景 : 求解递推方程 多重集 r 组合计数 不定方程解个数 整数拆分 多重集 r 组合计数 , 之前 只能计数特殊情况下的组合数 , 也就是选取数 r 小于多重集每一项的重复度 , 求对应的级数 的 方法 , 将上述式子展开 , 参考 【组合数学】生成函数 ( 生成函数示例 | 给定通项公式求生成函数 | 给定生成函数求通项公式 ) 二、给定生成函数求级数 方法 , 先将分母进行因式分解
1.8K00编辑于 2023-03-28 4sapicom生成式 AI 驱动下的智能聊天机器人场景落地
生成式 AI 驱动下的智能聊天机器人：技术架构、实现路径与场景落地一、技术背景：从工具化到智能化的演进在生成式人工智能技术爆发的背景下，智能聊天机器人已从传统的规则式交互工具，升级为具备上下文理解、意图推理与自然语言生成能力的核心业务载体 -3 等预训练模型的上下文建模能力，机器人可实现多轮对话中的意图连贯性识别，同时基于海量语料生成符合人类表达习惯的回复，避免机械性交互。 AIChatBot: def __init__(self, api_key: str, base_url: str = "https://4sapi.com"): """ 初始化AI ） :param max_tokens: 回复最大长度（平衡响应速度与信息完整性） :param temperature: 生成随机性（0.7为通用场景最优值，降低则回复更严谨 参数可配置化：开放model、temperature等参数，支持根据场景调整 —— 例如客服场景使用temperature=0.3确保回复严谨，营销场景使用temperature=0.9提升表达灵活性。
27110编辑于 2025-10-27- 来自专栏AI系统
【AI系统】AI的领域、场景与行业应用
如下图所示，在 NLP 领域中最新的进展已经能够使用语言大模型 LLM 实现人机对话、摘要自动生成和信息检索等功能。 通过训练神经网络模型，可以生成逼真的语音合成结果。此外，深度学习技术还可以用于音乐合成，通过学习音乐的模式和结构，生成新的音乐作品。 如下图所示，现在已经有越来越多的 AI 技术应用到 Audio 领域，如实现音频根据提供的内容自动生成等辅助传统的音频和视频制作软件提供更加人性化的功能以外，还可以实现音频自动对齐、音频分类等众多提高生产力的应用 AI 场景与行业应用 随着人工智能技术的发展与推广，人工智能逐渐在互联网、制造业、医疗、金融等不同行业和场景涌现大范围的应用。 金融行业：金融行业一直是人工智能技术的重要应用场景。 同时，深度学习还能够提高自动驾驶车辆的适应性和智能化水平，使其能够更好地应对复杂的交通环境和多种驾驶场景。
1.9K20编辑于 2024-11-26 - 来自专栏AI科技评论
苹果开发「AI 建筑师」GAUDI：根据文本生成超逼真 3D 场景！
不过，像 OpenAI 的 DALL-E 2 或谷歌 的 Imagen 等 AI 系统，都只能生成二维图像，如果文字也能变成三维场景，那带来视觉体验势必加倍提升。 现在，来自苹果的 AI 团队推出了 3D 场景生成的最新神经架构—— GAUDI 。 它可以捕捉复杂和逼真的 3D 场景分布，从移动摄像机中进行沉浸式渲染，还能根据文本提示来创建 3D 场景！ 那么，NeRFs 这种从不同摄像机角度逼真地渲染图像的强大能力，能不能用于生成式 AI 呢？ 当然可以，已经有研究团队尝试了 3D 场景的生成，如谷歌在去年首次推出了 AI 系统 Dream Fields，它将 NeRF 生成 3D 视图的能力与 OpenAI 的 CLIP 评估图像内容的能力相结合 不过，这个系统或许可以为苹果正在进行的渲染 3D 对象和场景的 AI 系统，这是一个好的开始和基础，据说 GAUDI 还将被应用到苹果的 XR 耳机中，用于生成数字化位置。
55810编辑于 2022-08-26 - 来自专栏焱融科技
AI 场景的存储优化之路
这次我们讲讲面向AI场景的存储性能优化思路。 谈优化之前，我们先分析一下AI访问存储的几个特点： 海量文件，训练模型的精准程度依赖于数据集的大小，样本数据集越大，就为模型更精确提供了基础。 综上，对于AI场景来说，分布式存储面临三大挑战： 海量文件的存储 小文件的访问性能 目录热点 海量文件的存储 首先讨论海量文件存储的问题。海量文件存储的核心问题是什么，是文件的元数据管理和存储。 但在AI场景中情况则不同，我们前面分析到，AI场景中80%以上是小文件，一个文件只有几十KB，文件数量动辄就几十亿，文件的数量成为了文件系统要解决的首要矛盾。 针对这个问题，该如何解决呢？ 训练中，多个客户端并发访问同一个目录的场景。 总结 本文针对海量文件存储、小文件访问性能、热点访问三个维度，分析了面向AI场景下，分布式文件系统面临的挑战，以及我们的应对思路，也希望借此文和更多技术专家交流如何对AI场景下的存储方案进行针对性的优化
1.9K10发布于 2020-02-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号