自监督学习

OmniAudio：阿里通义实验室如何用360°视频开启空间音频新纪元？

作者

Omniaudio 是阿里巴巴通义实验室推出的一种从 360° 视频生成空间音频的技术，通过自监督预训练和有监督微调提升性能。它能够直接生成 FOA 音频，并在虚拟现实和沉浸式娱乐中提供真实的 3D 音效体验。

LeCun世界模型出2代了！62小时搞定机器人训练，开启物理推理新时代

作者

Meta发布世界模型V-JEPA 2，一个基于视频训练的AI模型能够理解、预测物理世界变化，并在多任务中表现优异。Meta还提出了三个新基准测试来评估现有模型从视频中理解和推理物理世界的性能。

杨立昆亲自发布：Meta最强世界模型开源！

作者

Meta发布最新世界模型V-JEPA 2，实现最先进的视觉理解和预测能力，大幅提高物理推理效率。该模型使用超过1百万小时的视频进行自监督学习训练，并通过联合嵌入预测架构（JEPA）来增强AI理解、预测和规划物理世界的性能。