多模态增强学习

为什么多模态大模型中使用Q-Former的工作变少了？附Q-Former结构简介

多模态大模型中需要一个输入投影模块，将视觉特征投射到LLM能理解的语言特征维度，这里就可以选择各种不同的模块。
同屿Firmirin·2025-01-30 01:01

【AI论文】Omni-RGPT：通过标记令牌统一图像和视频的区域级理解

摘要：我们提出了Omni-RGPT，这是一个多模态大型语言模型，旨在促进图像和视频的区域级理解。
东临碣石82·2025-01-30 00:56

Janus Pro：DeepSeek 开源革新，多模态 AI 的未来

JanusPro是DeepSeek开发的一个开源多模态人工智能框架，它通过集成视觉和语言处理能力，提供了高性能的多模态任务处理能力。
·2025-01-29 19:21

江大白 | 斯坦福大学教授李飞飞团队：关于 2024年人工智能发展报告总结！

导读斯坦福大学教授李飞飞团队总结、解析了2024年人工智能发展报告，涵盖AI研究进展、技术性能提升、经济影响及医疗教育突破，重点分析大型模型成本、多模态模型崛起、AI可靠性挑战和生成式AI影响，是了解AI
双木的木·2025-01-29 17:25

DeepSeek：通用人工智能的技术前沿与创新突破

其研发方向覆盖自然语言处理、多模态交互、强化学习等领域，并在模型架构、训练效率及实际应用场景中取得显著成果。二、核心
热爱分享的博士僧·2025-01-29 17:52

通义千问 Qwen2-VL-2B：技术架构、核心原理、微调操作与场景应用详解

通义千问Qwen2-VL-2B：技术架构、核心原理、微调操作与场景应用详解引言近年来，多模态大模型在人工智能领域取得了显著进展，尤其是在视觉语言理解（Vision-LanguageUnderstanding
zhangjiaofa·2025-01-29 10:16

Qwen-VL论文解读

从Qwen-LM开始，我们通过精心设计的（i）视觉受体，（ii）输入-输出接口，（iii）3阶段训练管道，以及（iv）多语言多模态清洗语料库，赋予其视觉能力。
dream_home8407·2025-01-29 09:10

2024 LLM年度事件回顾：价格全面下跌、本地运行大模型、多模态能力爆发……

2025年伊始，Django的作者之一SimonWillison，带我们回顾了2024年AI的重磅进展，堪称大模型的“里程碑”盘点。快来看看有哪些突破，刷新了我们对AI的认知！原文很长，下面给大家列几个关键点：1、GPT-4壁垒被突破从前，GPT-4被视为无人能及的高度智能“天花板”，现在，ChatbotArea排行榜上已经有近70个模型，超过了2023年3月版本的GPT-4。谷歌的Gemini1
大模型.·2025-01-29 02:09

ABAP git客户端

在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。
·2025-01-28 19:33

2025年1月27日人工智能与科技新闻：DeepSeek震撼全球科技市场

技术创新与突破全新语言处理架构：提升AI理解和生成能力超越传统模型的认知能力：实现更精准的自然语言推理多模态交互：支持文本、图像、语音等多维
海棠AI实验室·2025-01-28 15:03

小南每日 AI 资讯 | 2025年AI泡沫破裂？ | 25/01/24

|25/01/24人工智能领域近期动态汇总一、行业趋势与未来展望AI泡沫可能在2025年破裂专家预测，尽管人工智能在多模态模型和自动机器学习等领域取得进展，但技术瓶颈、投资回报率下降、监管趋严，以及环境和伦理问题可能导致
小南AI学院·2025-01-27 17:29

YOLOv8改进策略【Backbone/主干网络】| CVPR 2024替换骨干网络为 UniRepLKNet，解决大核 ConvNets 难题

UniRepLKNet提出了独特的大核设计能有效捕捉图像特征，在多模态任务中展现出强大的通用感知能力。
Limiiiing·2025-01-27 17:57

顶刊论文:一种用于病理学的多模态全切片基础模型 TITAN

“MultimodalWholeSlideFoundationModelforPathology”提出了一种用于病理学的多模态全切片基础模型TITAN，通过在大量组织切片图像（WSIs）上的自监督学习和视觉语言对齐预训练
思陌Ai算法定制·2025-01-27 04:06

AI驱动内容跨媒体转换新机遇

通过多模态内容分发，创作者可以满足不同用户的内容消费偏好，提升内容可访问性，增加曝光机会。AI工具的自动化特性不仅节省了创作者的时间和精力，还能保证较高的输出质量，为内容创作行业带来新的机遇和可能性。
XianxinMao·2025-01-26 17:43

2024年AI发展的感知回顾

多模态生成技术在这一年里取得了令人瞩目的不断进步，使得AI能够巧妙地将文本、图像、音频、视频等多种模态的信息进行深度融合与再创造。
八角Z·2025-01-26 16:08

# AI绘图中的Embedding、CLIP、Flux中的Clip与LCM SDXL加速生成解析

AI绘图中的Embedding、CLIP、Flux中的Clip与LCMSDXL加速生成解析在现代AI绘图和深度学习中，涉及了多个复杂的概念和技术，这些技术在图像生成、训练加速以及多模态学习等方面起着至关重要的作用
迪小莫学AI·2025-01-26 12:11

AI像人一样操控电脑：多模态AI Agents和屏幕交互新范式

通过解读他们各自独特的技术路线——从Anthropic采用像素计数方式实现精准导航，到微软将界面解析为结构化数据，再到苹果专注于移动端的多模态交互方案，文章为我们展现了AI驱动屏幕交互的未来图景。
·2025-01-26 12:56

基于大语言模型构建本地个人AI助理

在构建本地专属的个人AI助理时，我们需要处理多个方面的技术需求，确保其在多模态数据处理、实时查询、灵活推理、知识图谱更新等方面具备高效性、实时性和可扩展性。
由数入道·2025-01-26 00:58

PyQt6医疗多模态大语言模型（MLLM）实用系统框架构建初探（下.代码部分）

医疗MLLM框架编程实现本医疗MLLM框架结合Python与PyQt6构建，旨在实现多模态医疗数据融合分析并提供可视化界面。
Allen_LVyingbo·2025-01-25 12:23

再分享API形式调用Dify项目应用

大模型相关目录大模型，包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容从0起步，扬帆起航。
福安德信息科技·2025-01-25 06:40

2025年国内外AI大模型的API接口网址整理

本文将盘点国内外的知名度较高的AI大模型平台，其中包括AI大语言模型和AI多模态模型，方便大家一探究竟。AI大模型的api接口有哪些作用？
weixin_56968280·2025-01-25 06:08

Open AI GPT大模型深度解析：通往智能的里程碑

多模态大模型已经成为了人工智能领域的重要研究方向之一。OpenAI作为一家全球领先的人工智能公司，在推动人工智能技术的边界上发挥着重要作用，其在大模型方面的研究和应用也是一直处于领先地位。
xziyuan·2025-01-24 16:59

ChatGPT

在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。
·2025-01-24 16:01

每日论文推荐：我们距离GPT-4V有多远，最接近GPT-4V的开源多模态大模型

元数据概览：标题：HowFarAreWetoGPT-4V?ClosingtheGaptoCommercialMultimodalModelswithOpen-SourceSuites作者：ZheChen,WeiyunWang,HaoTian,ShenglongYe,ZhangweiGao,ErfeiCui,WenwenTong,KongzhiHu,JiapengLuo,ZhengMa,JiMa,J
linxid·2025-01-24 16:50

8.2 从看图识字到智能解读：GPT-4 with Vision 开启多模态 AI 新纪元

从看图识字到智能解读：GPT-4withVision开启多模态AI新纪元引言：AI的多模态跃迁随着人工智能技术的快速发展，我们正迈入一个新的智能交互时代。
少林码僧·2025-01-24 15:47

腾讯AI开放平台的接口调用指南

在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。
·2025-01-24 11:49

使用Google Cloud Vertex AI进行文本和多模态生成

技术背景介绍GoogleCloudVertexAI是一个强大的框架，提供了多种AI模型的开放访问和动态部署，包括文本、代码和多模态生成模型。
sagvWSRJHMNEB·2025-01-24 06:07

如何贡献开源项目LangChain：完整指南

1.技术背景介绍LangChain是一个专注于构建多模态AI应用的框架，通过模块化的方式集成各种工具和服务。随着其生态的不断扩
azzxcvhj·2025-01-24 06:31

自动检测和机器审核系统实现

目录一、自动检测和机器审核实现步骤1.文本预处理步骤细节：2.关键词检测步骤细节：3.情感分析与情境理解步骤细节：4.机器学习模型训练步骤细节：5.深度学习模型步骤细节：6.多模态审查步骤细节：7.用户行为分析与违规预测步骤细节
╰つ゛木槿·2025-01-24 05:55

【cs.AI】25.1.11 arxiv更新速递

MultilingualPerformanceofaMultimodalArtificialIntelligenceSystemonMultisubjectPhysicsConceptInventories关键词:多语言,多模态
hinmer·2025-01-24 02:34

大模型GUI系列论文阅读 DAY2续2：《使用指令微调基础模型的多模态网页导航》

我们提出了一种名为WebGUM的指令跟随多模态代理，该代理能够同时观察网页截图和HTML页面，并输出网页导航操作，例如点击和输入文本等。WebGUM通过
feifeikon·2025-01-24 02:33

大模型GUI系列论文阅读 DAY3：《GPT-4V(ision) is a Generalist Web Agent, if Grounded》

摘要近年来，大型多模态模型（LMMs）的发展，特别是GPT-4V(ision)和Gemini，迅速扩展了多模态模型的能力边界，不再局限于传统任务如图像描述和视觉问答。
feifeikon·2025-01-24 01:58

npm publish 发布一个 Angular 库的时候报错以及解决方法

在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。
·2025-01-23 22:32

SOTA（state - of - the - art）的多模态推理

SOTA多模态推理的基本概念多模态推理是指在处理和融合多种不同类型数据（如文本、图像、声音等模态）的基础上进行的推理过程。SOTA（state-of-the-art）则表示在当前该领域中的最优水平。
百态老人·2025-01-23 19:18

300行ABAP代码实现一个最简单的区块链原型

在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。
·2025-01-23 17:19

2025年01月18日Github流行趋势

项目维护者：yiranyyu,iceflame89,yaoyuanTHU,LDLINGLINGLING,tc-mb项目简介：MiniCPM-o2.6：适用于手机上视觉、语音和多模式直播的GPT-4o级多模态大规模语
油泼辣子多加·2025-01-23 07:48

大模型WebUI：Gradio全解11——Chatbot：融合大模型的多模态聊天机器人（5）

大模型WebUI：Gradio全解11——Chatbot：融合大模型的多模态聊天机器人（5）前言本篇摘要11.Chatbot：融合大模型的多模态聊天机器人11.5Chatbot的特殊Events11.5.1
龙焰智能·2025-01-22 22:00

基于多模态信息抽取的菜品知识图谱构建 思维导图-java架构

构建一个基于多模态信息抽取的菜品知识图谱，特别是在Java架构下的实现，可以按照以下结构来组织思维导图的内容。
用心去追梦·2025-01-22 22:59

OpenCompass评测大模型

OpenCompass简介上海人工智能实验室科学家团队于2024.01.30正式发布了大模型开源开放评测体系“司南”(OpenCompass2.0)，用于为大语言模型、多模态模型等提供一站式评测服务。
辣条少年·2025-01-22 20:19

【多模态 AI】从跨模态学习到生成革命：文本、图像与音频的深度交融

网罗开发（小红书、快手、视频号同名）  大家好，我是展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、HarmonyOS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。图书作者：《ESP32-C3物联网工程开发实战》图书作者：《SwiftUI入门，进阶与实战》超级个体：CO
网罗开发·2025-01-22 16:09

Minimax 开源的 4 百万超长上下文模型

该系列包含基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL-01。MiniMax作为大模型六小强（或六小虎）企业之一，其推出的这一系列模型有着诸多独特之处。
百态老人·2025-01-22 14:26

【深度学习基础】线性神经网络 | softmax回归的简洁实现

深度学习在计算机视觉、自然语言处理、多模态数据
Francek Chen·2025-01-22 11:34

AIGC视频生成模型：Meta的Emu Video模型

优质专栏回顾：机器学习笔记深度学习笔记多模态论文笔记AIGC—图像文章目录论文摘要引言相关工作文本到图像（T2I）扩散模型视频生成/预测文本到视频（T2V）生成分解生成方法预备知识EmuVideo生成步骤图
好评笔记·2025-01-22 10:21

字节跳动发布全新 AI 编程工具 Trae，近屿智能培养 AIGC 专业人才

它整合了GPT-4o和Claude-3.5-Sonnet等顶级AI模型，支持多模态输入，能够迅速响应
OJAC近屿智能·2025-01-22 09:20

清华和哈工大把大模型量化做到了1比特，把世界顶尖多模态大模型开源大模型量化个人电脑运行！机器人领域首个开源视觉-语言操作大模型，激发开源VLMs更大潜能，视 Mamba速度提升2.8倍，内存能省87%

清华和哈工大把大模型量化做到了1比特，把世界顶尖多模态大模型开源大模型量化个人电脑运行！机器人领域首个开源视觉-语言操作大模型，激发开源VLMs更大潜能，视Mamba速度提升2.8倍，内存能省87%。
代码讲故事·2025-01-22 05:45

【机器学习】多模态AI——融合多种数据源的智能系统

多模态AI（MultimodalAI）通过结合多种数据源（如文本、图像、音频等）来提升模型的智能和表现，适用于多样化的应用场景，如自动驾驶、医疗诊断、跨语言翻译等。
2的n次方_·2025-01-22 04:09

月之暗面今日发布k1.5多模态思考模型

月之暗面k1.5多模态思考模型的问世一、月之暗面k1.5多模态思考模型介绍2025年1月20日，月之暗面发布了k1.5多模态思考模型。
百态老人·2025-01-22 01:51

AI大模型：开启智能革命新纪元

尽管业界对大模型的定义尚未统一，但通常指的是基于Transformer框架的大型语言模型，广义上也包括了多模态大模型，如涉及语言、声音、图像、视频等，技术
洋洋科创星球·2025-01-21 17:09

科技早报｜OpenAI的人工智能模型销售收入超过微软类似业务；荣耀中国区CMO辟谣将采用麒麟芯片 | 最新快讯

与此前的版本相比，新模型在文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力、多模态能力等七大能力上都有提升。例如，讯飞星火可以根据用户的语言描述，结合空间和常识推断描述对象所在的位置。
最新科技快讯·2025-01-21 16:34

Docker 实战教程之从入门到提高 (五)

在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。
·2025-01-21 12:15
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他