[EN]谷歌发布生成式AI模型SEEDS，量化天气预报不确定性
谷歌推出新型生成式AI模型Scalable Ensemble Envelope Diffusion Sampler (SEEDS)，能够以传统物理模型极小成本高效生成大规模天气预报集合，量化预测不确定性，为极端天气事件预测提供更精准的概率支持。
Google Research
[EN] MELON：无需初始位姿即可从图像中重建3D物体
Google Research团队提出MELON技术，能在不依赖相机初始位姿、预训练或复杂训练方案的情况下，仅凭4至6张未标注位姿的2D图像，高精度重建物体3D模型。该技术通过轻量级CNN编码器动态回归相机位姿，并引入模损失（modulo loss）处理物体伪对称问题，为3D重建领域提供了一种简洁且易于集成的解决方案。
[EN] MELON：无需相机姿态即可从图像重建3D物体的新方法
Google Research团队提出MELON方法，能够在没有相机姿态初始估计的情况下，仅凭4-6张2D图像即可重建3D物体，通过轻量级CNN编码器和模损失函数解决了姿态推断中的伪对称问题。
[EN] Google发布ScreenAI：面向UI与信息图的视觉语言模型
Google Research推出ScreenAI，一种基于PaLI架构并融合pix2struct灵活分块策略的视觉语言模型，专为理解用户界面和信息图设计。该模型仅5B参数，在WebSRC、MoTIF等UI及信息图任务上达到最先进水平，并在Chart QA、DocVQA等任务上同类最佳。
[EN] ScreenAI：谷歌发布针对UI和信息图表的视觉语言模型
Google Research 推出了 ScreenAI，一个仅 5B 参数的视觉语言模型，专门用于理解用户界面和信息图表。该模型基于 PaLI 架构与 pix2struct 的灵活分块策略，在多个基准测试中取得领先结果，并配套发布了三个新数据集以评估布局理解与问答能力。
[EN] 生成式AI量化天气预报不确定性：Google发布SEEDS模型
Google Research推出基于扩散概率模型的生成式AI技术SEEDS，能以极低成本生成大规模天气预报集合，准确量化极端天气概率，突破传统物理模型的计算瓶颈。
[EN] Cappy：轻量评分器超越并增强大型多任务语言模型
Google Research 提出 Cappy，一个基于 RoBERTa 的 3.6 亿参数轻量预训练评分器，能够在不微调大型语言模型的情况下，通过输入指令与候选响应输出正确性评分，极大降低了计算和存储成本。
[EN]Google提出ScreenAI：统一理解UI与信息图的视觉语言模型
Google研究人员推出ScreenAI，一种基于PaLI架构与pix2struct灵活分片策略的视觉语言模型，仅5B参数即可在UI与信息图理解任务上达到业界领先水平。模型通过自监督预训练与人工标注微调，结合大规模屏幕标注数据，能完成UI元素识别、导航、问答等任务，并开源了三个新数据集。
[EN] 生成式AI量化天气预报不确定性：Google发布SEEDS模型
谷歌研究团队推出基于扩散模型的生成式AI天气预报集合采样技术SEEDS，能以极低成本高效生成大规模天气预测集合，量化极端天气事件概率，弥补传统方法在计算开销和稀有事件预测上的不足。
[EN] MELON：无相机姿态先验的多视图3D对象重建新方法
Google Research 提出 MELON 技术，无需初始相机姿态估计、复杂训练或预训练，即可从少量未标定图像中同时推断相机姿态并重建 3D 对象，在 NeRF 框架下实现高精度。