一家大型AI公司在一轮（或类似）投资中表现令人失望，部分原因是投资者担心侵犯版权。
比如一种沿着断层线的「慢地震」行为（预示地震到来的有用指标），以及地震噪声。
引入了感知遮挡的场景参数化，将场景解耦为遮挡、人体和背景三个部分。提出了一种新的渲染框架，分别渲染这三个部分，并设计了新颖的优化目标，以确保遮挡的清晰解耦和更完整的人体呈现。在具有挑战性的遮挡密集野外视频上对方法进行了评估，展示了其在呈现遮挡人体方面的有效性。Wild2Avatar通过与Vid2Avatar（基线）和原始视频的对比，呈现了其在解决被遮挡人物渲染挑战方面的独特性能。
该产品还引入了光随书动技术，利用摄像头的追踪技术让光源自动聚焦在书本上。此外，台灯还具备AI离座感应和自动延时关灯功能，方便节能和使用。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。