多模态表征

昆仑天工SkyWork：更懂中文的AIGC开源模型

昆仑天工SkyWork系列AIGC开源模型，由奇点智源公司研发，在2022年12月发布，覆盖图像、文本、编程等多模态内容生成能力，包括绘画、文章续写、对话、中英翻译、内容风格生成、推理、诗词对联、代码补全等
AIGC探索家·2025-02-05 16:52

因果推断与机器学习—因果表征学习与泛化能力

表征学习是深度学习的核心技术之一。在机器学习问题中，其主要目的是从观测到的低级变量中提取信息，进而学习到能够准确预测目标变量的高级变量。
樱花的浪漫·2025-02-05 14:39

Kimi k1.5 ： OpenAI-o1 级多模态模型

Kimik1.5强势来袭：超越OpenAI与Claude，重塑AI格局？阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】此前，DeepSeek推出了如DeepSeek—v3和DeepSeek-R1等重磅产品，赚足了眼球。如今，MoonSho
·2025-02-04 18:36

Kimi k1.5 ： OpenAI-o1 级多模态模型

Kimik1.5强势来袭：超越OpenAI与Claude，重塑AI格局？阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】此前，DeepSeek推出了如DeepSeek—v3和DeepSeek-R1等重磅产品，赚足了眼球。如今，MoonSho
·2025-02-04 18:32

MiniMax：人工智能领域的创新先锋

作为一家成立于2021年12月的通用人工智能科技公司，MiniMax专注于开发多模态、万亿参数的MoE（MixtureofExperts）大模型，并基于此推出了多种原生应用，如海螺AI、星野等。
程序猿000001号·2025-02-04 14:14

A deep multimodal fusion method for personality traits prediction

本文提出了一种新的深度多模态融合方法，用于从多种数据模态（包括文本、音频和视觉输入）预测人格特质。研究方法模型架构：视觉特征提取：使用预训练模型ViT-B16和VGG16。
m0_59933522·2025-02-03 21:20

ChatGPT-4o和ChatGPT-4o mini的差异点

一、性能差异ChatGPT-4o：全能型语言模型多模态处理能力：ChatGPT-4o不仅限于文本处理，更能够实时处理和生
老六哥_AI助理指南·2025-02-03 20:44

使用Colpali架构掌握多模态RAG技术

然而，传统的RAG主要局限于文本数据，无法充分利用多模态信息。为了应对这一挑战，多模态RAG应运而生，其中Colpali架构成为这一领域的佼
大模型之路·2025-02-03 07:33

【 书生·浦语大模型实战营】学习笔记（三）：“茴香豆” 搭建你的RAG 智能助理

AI学习星球推荐：GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料，配有全面而有深度的专栏内容，包括不限于前沿论文解读
GoAI·2025-02-03 05:10

第二篇：多模态技术突破——DeepSeek如何重构AI的感知与认知边界

——从跨模态对齐到因果推理的工程化实践在AI技术从单一模态向多模态跃迁的关键阶段，DeepSeek通过自研的多模态融合框架，在视觉-语言-语音的联合理解与生成领域实现系统性突破。
python算法(魔法师版)·2025-02-03 02:51

VARGPT：将视觉理解与生成统一在一个模型中，北大推出支持混合模态输入与输出的多模态统一模型

微信公众号｜搜一搜：蚝油菜花快速阅读模型简介：VARGPT是北京大学推出的多模态大语言模型，专注于视觉理解和生成任务。主要功能：支持混合模态输入输出、高效视觉生成和广泛的多模态任务。
蚝油菜花·2025-02-03 02:18

多模态大模型：技术原理与实战 工具和算法框架介绍

1.背景介绍1.1从单模态到多模态的必然趋势传统的深度学习模型大多是单模态的，例如只处理图像数据的卷积神经网络（CNN）或只处理文本数据的循环神经网络（RNN）。
AI大模型应用之禅·2025-02-02 22:43

o1、GPT4、GPT4o 这三个有什么区别？

核心观点：GPT-4擅长文本处理和推理，GPT-4o主打多模态交互，而O1则专注于深度推理和逻辑分析，三者各有侧重，应用场景也大不相同。
开心的AI频道·2025-02-02 19:54

本地部署DeepSeek 多模态大模型Janus-Pro-7B

是否曾想过，如何能够将强大的多模态大模型，如DeepSeek的Janus-Pro-7B，部署到本地使其为你所用呢？
网络安全我来了·2025-02-02 14:53

DeepSeek Janus-Pro：多模态AI模型的突破与创新

近年来，人工智能领域取得了显著的进展，尤其是在多模态模型（MultimodalModels）方面。多模态模型能够同时处理和理解文本、图像等多种类型的数据，极大地扩展了AI的应用场景。
大模型之路·2025-02-02 13:49

向量语义（Vector Semantics）与表征学习（Representation Learning）详解

1.向量语义（VectorSemantics）与词嵌入（WordEmbeddings）向量语义的核心思想是用数学向量来表示单词的意义。传统的NLP方法（如基于规则的语言模型）需要人为定义单词的语义规则，而向量语义方法则通过分析单词在大量文本中的使用模式来学习其语义。关键词：词向量（WordRepresentations）：单词被表示为一个多维向量，每个维度对应于该单词的某种语义特征。分布式表示（D
苏西月·2025-02-02 07:54

玩转大语言模型——使用GraphRAG+Ollama本地构建知识图谱（完全本地化，不依赖OpenAI）

系列文章目录玩转大语言模型——使用langchain和Ollama本地部署大语言模型玩转大语言模型——ollama导入huggingface下载的模型玩转大语言模型——langchain调用ollama视觉多模态语言模型玩转大语言模型
艾醒(AiXing-w)·2025-02-01 15:31

在亚马逊云科技上通过LangChain ReAct Agent开发金融多模态数据AI分析中台

本次介绍的是如何在亚马逊云科技机器学习托管服务AmazonSageMaker上搭建一个多模态LangChainAgent，通过ReAct逻辑让Agent通过AmazonBedrockAI模型托管服务上的大模型
佛州小李哥·2025-02-01 08:39

联想Y7000+RTX4060+i7+Ubuntu22.04运行DeepSeek开源多模态大模型Janus-Pro-1B+本地部署

直接上手搓了：condacreate-nmyenvpython=3.10-ygitclonehttps://github.com/deepseek-ai/Janus.gitcdJanuspipinstall-e.pipinstallwebencodingsbeautifulsoup4tinycss2pipinstall-e.[gradio]pipinstall'pexpect>4.3'python
铮铭·2025-01-31 19:48

DeepSeek-R1：多模态AGI的实践突破与场景革命

一、DeepSeek-R1的核心定位DeepSeek-R1是深度求索（DeepSeek）研发的多模态通用人工智能模型，旨在突破单一模态的局限性，实现文本、图像、语音、视频等跨模态信息的深度理解、推理与生成
热爱分享的博士僧·2025-01-31 14:09

A Survey on Large Language Model Acceleration based on KV Cache Management

基于KV缓存管理的大型语言模型加速研究综述摘要1引言2前言3分类4token级优化5模型级优化6系统级优化7文本和多模态数据集8结论摘要大型语言模型（LLM）因其理解上下文和执行逻辑推理的能力，彻底改变了自然语言处理
UnknownBody·2025-01-31 12:47

基于Transformer的多通道肌电信号序列分类

表面肌电信号(sEMG)为十分重要的人体感官信号，不同的动作和状态对应不同的肌电信号，利用肌电信号的表征能力，我们可以实现对NAO机器人的控制。
咖啡百怪·2025-01-31 10:04

Deepseek又开源了颠覆性的新模型Janus-Pro

Deepseek又开源了颠覆性的新模型Janus-ProDeepseek真的是一点都不休息啊，除夕还发模型刚刚推出并开源了Janus-Pro，作为之前Janus的全面升级版，这次它不仅参数从1B扩展到7B而且在多模态理解与生成能力上实现飞跃
AI生成曾小健·2025-01-31 05:51

2025年01月30日Github流行趋势

历史star数：11942今日star数：2187项目维护者：learningpro,hills-code,TheOneTrueGuy,mowentian,soloice项目简介：Janus系列：统一多模态理解和生成模型项目名称
油泼辣子多加·2025-01-30 17:05

如何获取 DeepSeek 多模态大模型 Janus-Pro-7B

DeepSeek团队近期开源了新一代多模态模型Janus-Pro-7B，该模型在图像生成和多模态理解方面表现卓越，超越了OpenAI的DALL-E3，并在基准测试中取得了优异成绩。
Channing Lewis·2025-01-30 15:20

AI学习指南Ollama篇-Ollama的多模态应用探索

AI学习指南应用篇-Ollama的多模态应用探索一、引言（一）背景介绍随着大语言模型（LLM）的发展，多模态应用（结合文本、图像、语音等）成为新的趋势。
俞兆鹏·2025-01-30 09:04

《向量数据库指南》——MoE应用：解锁深度学习新境界的钥匙

今天，我将带大家深入探讨MoE模型在自然语言处理、计算机视觉以及多模态学习等领域的应用，并巧妙引导大家通过《向量数据库指南》获取更多干货和深度实战经验。一、自然语言处理
大禹智库·2025-01-30 07:13

【 书生·浦语大模型实战营】学习笔记（五）：LMDeploy 量化部署

AI学习星球推荐：GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料，配有全面而有深度的专栏内容，包括不限于前沿论文解读
GoAI·2025-01-30 03:18

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

#深度学习：从基础到实践

它通过构建由多个隐藏层组成的神经网络模型，能够从海量数据中自动学习特征和表征,在图像识别、自然语言处理、语音识别等领域取得了突破性进展。
single_ffish·2025-01-28 07:41

奖励模型：解析大语言模型的关键工具

标题：奖励模型：解析大语言模型的关键工具文章信息摘要：奖励模型是理解和审核大语言模型(LLM)的重要工具，通过简单的评估方式提供了模型内部表征和性能的深入洞察。
XianxinMao·2025-01-28 01:27

动手学深度学习-卷积神经网络-3填充和步幅

目录填充步幅小结在上一节的例子（下图）中，输入的高度和宽度都为3，卷积核的高度和宽度都为2，生成的输出表征的维数为2×2。
像污秽一样·2025-01-28 00:49

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
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他