T

>划重点:⭐T-Rex2是一种通用目标检测技术，通过视觉和文本提示协同作用，实现对各种对象的识别。没有开源，有API可以使用。⭐T-Rex2整合了图像编码器、视觉提示编码器、文本提示编码器和框解码器，实现了最先进的性能。⭐T-Rex2除了通过文字来描述要检测的物体，还支持直接在图里框出一个样例，系统自动识别出剩余的目标。

据路透社报道，TogetherAI宣布在最新一轮融资中筹集了1.06亿美元，由SalesforceVentures领投，使该公司估值达到12.5亿美元。此次融资还得到了CoatueManagement、LuxCapital和EmergenceCapital等现有投资者的支持。图源备注:图片由AI生成，图片授权服务商Midjourney

要点:谷歌与李飞飞的斯坦福团队合作推出了基于Transformer的视频生成模型W.A.L.T，在图像和视频生成领域取得了媲美Gen-2的逼真效果。W.A.L.T采用因果编码器和基于窗口注意的变压器架构，将图像和视频压缩到共享潜在空间，实现联合训练和生成，为自然语言提示生成逼真且时间一致的视频。