[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。
Google Research
[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。
[EN] 生成式AI SEEDS：以极低成本量化天气预报不确定性
谷歌研究团队推出基于扩散概率模型的生成式AI工具SEEDS，能以传统物理模型极小成本生成大规模天气预报集合，有效量化极端天气事件的不确定性，提升预测可靠性。
[EN] ScreenAI：面向UI与信息图的视觉语言模型，5B参数达SOTA
Google Research发布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。该模型在仅有5B参数的情况下，在WebSRC、MoTIF等UI及信息图任务上达到最优水平，并在Chart QA、DocVQA等基准测试中超越同规模模型。研究团队还开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。
[EN] 生成式AI量化天气预报不确定性：谷歌推出SEEDS模型
谷歌发布基于扩散概率模型的生成式AI框架SEEDS，能以极低计算成本大规模生成天气预报集合，弥补传统物理模型在高分辨率、大集合生成上的不足，提升对极端天气事件的概率判断。
[EN] Google推出ScreenAI：端到端视觉语言模型，统一理解UI界面与信息图表
Google Research发布ScreenAI，一种基于PaLI架构并融合pix2struct灵活分块策略的5B参数视觉语言模型，专为理解用户界面与信息图表设计。通过自监督预训练和屏幕标注任务，ScreenAI在WebSRC、MoTIF、ChartQA等多项基准测试中达到或超越同规模模型的最优性能，同时发布了三个新数据集。
[EN] 生成式AI量化天气预报不确定性：Google推出SEEDS模型
Google Research发布基于扩散概率模型的生成式AI技术SEEDS，能以极低计算成本大规模生成天气预报集合，量化传统方法难以捕捉的极端天气不确定性，性能媲美甚至超越物理模型。