

> AI领域可谓是百花齐放。国内大模型持续发力，通义千问推出了颠覆性的图生图模型Qwen VLo，而中国首个海洋大模型“沧渊”则将AI的触角伸向了蔚蓝深海。在消费级产品方面，集成了大语言模型的Hengbot机器狗Sirius展示了AI如何进入日常生活。与此同时，Meta与OpenAI之间的人才争夺战愈演愈烈，凸显了行业竞争的白热化。

## 通义千问再进一步 Qwen VLo让图片“听懂”人话

阿里巴巴通义千问团队近日发布了一款名为Qwen VLo的多模态大模型，它在理解并创造性地编辑图片方面取得了显著突破。  这款模型不仅仅是看懂图片，更能根据用户的自然语言指令，对图像内容进行高质量的再创造。 
![image.png](https://static.downly.cn/images/652e624b99380f49dde107c3b27462f5.png)
Qwen VLo采用了一种渐进式的生成策略，确保了在修改或生成图片时，新的元素能够与原始图像和谐地融为一体，避免了突兀感。  用户可以通过开放式的指令，轻松改变画风、增减元素，甚至进行多语言指令操作。  此外，其动态分辨率生成能力也让应用场景更加广泛。  目前该模型尚处在预览阶段，但已经预示了未来在图像生成与修改领域的巨大潜力。 



## 向深蓝进发 中国首个海洋大模型“沧渊”问世

由浙江大学牵头研发的中国首个海洋领域开源大模型——OceanGPT（“沧渊”）于杭州正式发布，标志着我国在海洋智能化领域迈出了关键一步。  “沧渊”不仅具备专业的海洋知识问答能力，还能解读复杂的多模态海洋数据。 
![image.png](https://static.downly.cn/images/62444eed0b1b9325b27fc495bf9aca63.png)
该模型的一大亮点是采用了领域知识增强的“慢思考”推理机制，这能有效减少大型模型中常见的“幻觉”错误，为海洋科研与作业提供了更可靠的智能支持。  在应用层面，“沧渊”能够将自然语言指令直接转化为机器人控制代码，极大降低了海洋机器人等精密设备的操作门槛。  目前，该模型已在“海鹰”系列水下机器人上得到验证，显著提升了代码编写与执行效率，未来将通过MCP协议推动多机器人协同作业，开启海洋智能时代的新篇章。 



## 不止会卖萌 Hengbot机器狗Sirius能舞会聊

AI的应用正越来越多地融入我们的生活。Hengbot公司近期发布的Sirius机器狗就是一个绝佳例子。  这款机器狗集成了OpenAI的大语言模型，不仅拥有跳舞、踢球和握手等出色的运动能力，还能与用户进行流畅的语音对话。 
![image.png](https://static.downly.cn/images/c70ca0cd26845387f3788ee2eb140443.png)
Sirius的一大特色是其可定制的个性化功能，用户可以根据自己的喜好来塑造它的性格。  不过，它目前主要适用于平坦的室内环境，运动状态下的续航时间约为40至60分钟。  该机器狗的预售价格为1299美元，预计将于今年秋季正式上市，让AI陪聊、陪玩的未来家庭场景离我们更近了一步。 





## AI人才争夺战白热化 Meta再从OpenAI挖角

在技术和产品飞速迭代的背后，是AI领域对顶尖人才的极度渴求。据报道，Meta公司再次成功从其主要竞争对手OpenAI那里挖走了四名研究员。  
![image.png](https://static.downly.cn/images/d263e49f30e91f93fdc68e6553c5c420.png)
这一举动再次凸显了当前人工智能领域的激烈竞争格局。  对于Meta而言，这既是其增强自身AI研发实力的重要策略，也反映了整个行业高端人才的稀缺性。  随着各大科技巨头持续加码投入，这场围绕顶尖大脑的“人才战争”预计将愈演愈烈。 




AI每日资讯0629

> 近日，浙江大学与 vivo 联合宣布，正式开源一项突破性的视频虚拟试穿框架——**MagicTryOn**。 该框架基于先进的 **Wan 2.1 技术**，能够实现**高质量、逼真且高度一致的视频虚拟试穿效果**。 MagicTryOn 的开源，有望彻底改变在线服装零售、虚拟时尚体验以及数字内容创作等领域，为消费者带来前所未有的沉浸式试穿体验。


在电商和数字时尚日益发展的今天，虚拟试穿技术正成为连接消费者与商品的桥梁。 传统的虚拟试穿多局限于静态图片，难以真实反映服装在动态人体上的效果。 如今，这一局限正被一项革命性技术打破。 MagicTryOn 的出现，标志着虚拟试穿从静态图像迈向动态视频的新纪元，有望为消费者带来更真实、更沉浸的购物体验。

<video src="https://static.downly.cn/images/7aa730ae2fe7c13aeca6263286dae155.mp4"  title="project_page_video5.mp4"></video>

### MagicTryOn 突破性视频试穿体验

MagicTryOn 的核心优势在于其能够实现**高质量的视频虚拟试穿**。 与传统的图片试穿不同，它能处理人物在视频中的复杂动作和姿态变化，并确保服装在这些动态下的真实呈现。

#### 1. 真实且一致的试穿效果

MagicTryOn 能够将目标服装**无缝地“穿到”视频中人物的身上**，并**保持服装纹理、光影和褶皱的自然变化**，极大地提升了试穿的真实感。 即使人物在视频中移动、旋转或摆出复杂姿势，服装也能保持高度一致性和逻辑性，如同真实穿着一般。

#### 2. 基于 Wan 2.1 的强大支撑

该框架的核心技术是基于 **Wan 2.1**，这是一种在处理弱对齐数据方面表现卓越的网络架构。 Wan 2.1 能够有效地解决视频中人体姿态和服装之间复杂对应关系的问题，即使在没有精确人体骨架或服装裁剪信息的情况下，也能实现高质量的虚拟试穿。

#### 3. 处理复杂人物姿态与服装变形

MagicTryOn 的另一大亮点是其处理**复杂人物姿态和服装变形**的能力。 无论是手臂的抬起、身体的扭动，还是裙摆的飘动，该框架都能准确地模拟服装的物理效果，让试穿结果更具说服力。

<video src="https://static.downly.cn/images/54a531433b570ee58f3e65cb7bbc21c7.mp4"  title="prpject1.mp4"></video>

### 技术细节与创新点

MagicTryOn 的卓越性能源于其多方面的技术创新

#### 1. 细粒度特征编码与融合

该框架采用了先进的**细粒度特征编码技术**，能够捕捉服装和人体的微小细节。 通过巧妙的特征融合机制，确保了服装能够精准地适应人体的轮廓和动作。

#### 2. 时序一致性保持

为解决视频虚拟试穿中常见的**帧间闪烁和不连贯**问题，MagicTryOn 设计了独特的时序一致性保持策略，确保了视频中服装的流畅和自然变化。

#### 3. 开放性与可扩展性

作为一个开源框架，MagicTryOn 不仅提供了核心代码，还为开发者提供了**丰富的接口和灵活的配置选项**，便于二次开发和集成到不同的应用场景中。

![image.png](https://static.downly.cn/images/489a1f62ebb62dfecf56235a735eb71e.png)

### 应用前景 颠覆零售与娱乐

MagicTryOn 的开源，将对多个行业产生深远影响

*   **在线服装零售** 消费者可以在线“试穿”服装，大大降低退货率，提升购物体验。
*   **虚拟时尚与元宇宙** 为元宇宙中的虚拟形象提供更真实的服装穿搭体验。
*   **数字内容创作** 电影、游戏、广告等行业可用于快速生成虚拟人物的服装动画。
*   **个性化定制** 帮助用户预览定制服装效果。

浙大与 vivo 的合作，不仅展现了学术界与产业界的紧密结合，更通过开源的方式，推动了虚拟试穿技术乃至整个 AI 视觉领域的发展，为未来数字生活描绘了更丰富的图景。




搜索结果: 浙江大学