Meta

近年来，随着 Reels 和 Stories 功能的普及，视频内容在 Facebook 平台占据了核心地位。Meta 技术项目经理 Hassene Tmar 在与流媒体学习中心创始…

Meta 研究人员推出了感知编码器视听模型（PE-AV），作为用于联合音频和视频理解的新型编码器系列。该模型利用对约 1 亿个带有文本字幕的音视频对进行大规模对比训练，在单一嵌入空…

近日，Meta 公司宣布为其 Ray-Ban 及 Oakley 智能眼镜推出 v21 软件更新。这次更新引入了对话增强技术和 AI 驱动的音乐匹配功能，可根据用户的视线做出反应——…

通过与 FFmpeg 开发人员的技术合作以及 Dolby 规范，Instagram iOS 成为 Meta 首个支持 Dolby Vision 视频播放的应用。

本文将分享 Meta 如何克服隐形水印技术扩展过程中的挑战，包括如何构建基于CPU的解决方案，该方案不仅能提供与 GPU 相当的性能，更具备更优的运行效率。

Meta 宣布了一项颠覆性的政策，禁止 ChatGPT 和 Perplexity 等通用 AI 聊天机器人进入 WhatsApp Business API，该政策将于 2026 年…

Meta 收购了 WaveForms AI，这是一家专注于识别和复制音频情感的人工智能的初创公司。 WaveForms AI 由曾在 Meta 和 OpenAI 从事音频研究的 A…

Meta 的逼真 “Codec Avatars ”原型现在支持更换发型，头部和头发分别建模。 近十年来，Meta 公司一直在研究和开发一项名为 Codec Avatars 的技术，…

Meta最近携一系列面向广告主的全新生成式 AI升级版亮相戛纳国际创意节。该公司正在扩展其 Advantage+ 广告创意套件，提供旨在加快内容创作速度且不牺牲品牌一致性的工具。这…

Meta Platforms Inc. 的人工智能研究部门今天发布了一种新的人工智能模型，该模型可以通过类似人类理解世界的方式解释视频信息，提高机器人和人工智能代理对物理世界的训练…

Instagram DM 中推出了一系列与音频消息和群组相关的新功能。通过这种方式，Meta 旗下的社交网络继续加强对用户连接的关注，从而实现其 2025 年的目标。 鼓励互动的更…

多年来，Meta一直致力于通过新功能使其 Ray-Bans 智能眼镜变得更加智能，但在其最新更新中，该公司赋予了其根据用户需求调用 Meta AI 的能力。 用户现在可以通过简单地…

近年来，诸如 CLIP 之类的对比语言-图像模型已成为学习视觉表征的默认选择，尤其是在视觉问答 (VQA) 和文档理解等多模态应用中。这些模型利用大规模图像-文本对，通过语言监督来…

设计通用视觉编码器的挑战 随着人工智能系统日益多模态化，视觉感知模型的作用也愈发复杂。视觉编码器不仅需要识别物体和场景，还需要支持诸如字幕制作、问答、细粒度识别、文档解析以及跨图像…

多年来，人工智能 (AI)取得了令人瞩目的发展，但它始终存在一个根本性的限制，即无法像人类一样处理不同类型的数据。大多数 AI 模型都是单峰的，这意味着它们只专注于一种格式，如文本…

Meta 公司开发了一种新的机器人（或称 “Business AI”），支持中小企业（SMB）提供客户服务。 作为免费试点项目的一部分，该人工智能代理将很快在 Facebook、I…

大型语言模型 (LLM) 预训练的主要方法依赖于下一个标记预测，这种方法已被证明可以有效捕捉语言模式。然而，这种方法也有明显的局限性。语言标记通常传达的是表层信息，需要模型处理大量…

大型语言模型 (LLM) 主要用于基于文本的任务，这限制了它们解释和生成多模态内容（例如图像、视频和音频）的能力。传统上，多模态操作是针对大量标记数据进行训练的任务特定模型，这使得…

数字平台的快速发展使图像安全问题成为关注焦点。从露骨的内容到暴力的描述，有害图像给内容审核带来了巨大挑战。人工智能生成内容（AIGC）的激增加剧了这些挑战，因为先进的图像生成模型可…

虽然多模态模型 (LMM) 在文本和图像任务方面取得了显著进展，但基于视频的模型仍然不够完善。视频本质上很复杂，结合了空间和时间维度，需要更多的计算资源。现有方法通常直接采用基于图…