多模态表征

AIGC视频生成国产之光：ByteDance的PixelDance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输入训练和推理时的数据处理总结相关工作视频生成长视频生成方法模型架构
好评笔记·2025-01-21 08:48

亮相AICon，火山引擎边缘云揭秘边缘AI Agent探索与实践

火山引擎边缘智能技术负责人谢皓受邀出席大会，以《AIAgent在边缘云的探索与实践》为主题，与全球AI领域的资深专家，共同深入探讨大模型落地、具身智能、多模态大模型、AIAgent等前沿技术如何推动行业变革
·2025-01-21 07:39

AI 2025：技术飞跃与应用鸿沟——AI代码生成器引领未来？

大型语言模型（LLM）的能力显著提升，成本大幅下降，多模态应用成为主流。然而，令人担忧的是，技术进步与实际应用普及之间存在着巨大的鸿沟。“智能体”等概念被热炒，但实际应用却远未达到预期。
·2025-01-21 03:33

国自然青年项目｜基于多模态影像组学的乳腺癌分子分型预测研究｜基金申请·25-01-20

项目聚焦乳腺癌分子分型预测，综合运用多模态组学数据、影像组学技术和深度学习技术。研究内容包括跨模态医学图像分割、多模态特征提取与融合、模型设计与系统研发。
罗小罗同学·2025-01-21 01:34

OpenBayes 一周速览｜微软 Phi-4 发布，降低更多成本实现高效推理；Terra 时空数据集上线

公共资源速递5个数据集：Terra多模态时空数据集ChineseCouplets中文对联数据集AqueousSolubility无机化合物数据集HumanLikeDPODataset大模型对话微调数据集
·2025-01-20 23:55

使用多模态大模型转换 office 文档

现在各家的多模态大模型都在不断降价，1块钱都能处理几百张图片，不少提供商还每日提供免费额度，所以使用多模态大模型转换office文档成为一个廉价而简单的解决方案。技术方案这里介绍的是使用
·2025-01-20 23:53

OpenBayes 一周速览｜微软 Phi-4 发布，降低更多成本实现高效推理；Terra 时空数据集上线

公共资源速递5个数据集：Terra多模态时空数据集ChineseCouplets中文对联数据集AqueousSolubility无机化合物数据集HumanLikeDPODataset大模型对话微调数据集
·2025-01-20 22:08

直击青藏高原数据匮乏难题！浙江大学团队提出GeoAI新模型，解释青藏高原地表热流分布

在地球科学研究中，地表热流(SurfaceHeatFlow,SHF)作为地球深层热能释放的重要表征，一直备受关注。
·2025-01-20 17:50

多模态视觉语言模型

文章目录1.多模态大模型概述1.1模型范式1.2训练范式2.BLIP3.BLIP24.LLaVa&LLaVA1.55.QwenVL5.1模型结构5.2训练过程6.参考1.多模态大模型概述1.1模型范式1
funNLPer·2025-01-20 16:48

SOA、SOAP、RPC

从逻辑角度来看，为什么会更加青睐REST而不是RPC（RemoteProcedureCall，远程过程调用），因为它极大的降低了我们沟通的复杂度，通过把表征作为唯一的沟通的方式。
2401_84048621·2025-01-20 13:18

基于区块链技术的超级账本(Hyperledger) - 从理论到实战

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。
·2025-01-20 12:25

什么是多模态机器学习：跨感知融合的智能前沿

在人工智能的广阔天地里，多模态机器学习（MultimodalMachineLearning）作为一项前沿技术，正逐步解锁人机交互和信息理解的新境界。
非凡暖阳·2025-01-20 12:01

使用Llama 3.2-Vision多模态LLM与您的图像聊天

介绍将视觉能力与大型语言模型（LLMs）结合的多模态LLM（MLLM）正在通过多模态LLM革命性地改变计算机视觉领域。这些模型结合了文本和视觉输入，展示了在图像理解和推理方面的出色能力。
AI程序猿人·2025-01-20 12:01

实战千问2大模型第五天——VLLM 运行 Qwen2-VL-7B（多模态）

一、简介VLLM是一种高效的深度学习推理库，通过PagedAttention算法有效管理大语言模型的注意力内存，其特点包括24倍的吞吐提升和3.5倍的TGI性能，无需修改模型结构，专门设计用于加速大规模语言模型（LLM）的推理过程。它通过优化显存管理、支持大模型的批处理推理以及减少不必要的内存占用，来提高多GPU环境下的推理速度和效率。VLLM的核心特点包括：显存高效性：VLLM能够动态管理显存，
学术菜鸟小晨·2025-01-20 02:50

工业场景将成为AI大模型的重要战场！零基础入门AI大模型，看这篇就够了！

前言2024年，各大公司推出强大理解能力的多模态大模型，将引领人工智能（AI）技术创新和应用，工业场景将成为多模态大模型的最佳实践场地。
大模型扬叔·2025-01-19 20:29

2025年01月19日Github流行趋势

15826今日star数：959项目维护者：yiranyyu,iceflame89,yaoyuanTHU,LDLINGLINGLING,tc-mb项目简介：MiniCPM-o2.6:一个适用于视觉、语音和多模态直播的
油泼辣子多加·2025-01-19 18:38

详解AI大模型的主要指标与国内常见大模型对比分析

AI大模型的主要指标与国内常见大模型对比分析随着人工智能技术的快速发展，大模型（LargeAIModels）在自然语言处理、计算机视觉和多模态任务中取得了突破性进展。
wit_@·2025-01-19 16:51

Spring AI系列教程：从工业革命到人工智能的全面探索

课程概览本系列教程涵盖了从基础的SpringAI课程介绍到复杂的多模态API开发，无论你是AI领域的新手还是有一定基础的开发者，都能在本系列教程中找到适合自己的内容。以下是部分课程的
king-agic·2025-01-19 10:32

【cs.CV】25.1.14 arxiv更新速递

25.1.14arxiv更新110篇—第1篇----=====Omni-RGPT:UnifyingImageandVideoRegion-levelUnderstandingviaTokenMarks关键词:计算机视觉,多模态大语言模型
hinmer·2025-01-19 03:25

《多模态语言模型：一个开放探索的技术新领域》

核心主题多模态语言模型的特点仍处于探索和定义阶段没有固定的标准任务和评估方法研究方向高度开放技术路径主要存在两种方法：后期融合(LateFusion)从语言模型backbone开始添加图像编码器效果稳定
XianxinMao·2025-01-18 17:16

通过Java代码实现图片的放大和缩小

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。
·2025-01-18 14:25

行为识别的方法

行为识别主要有以下几大类方法，每类方法各有特点及典型算法：传统方法特点：利用手工设计特征对行为进行表征，再用统计学习的分类方法进行识别。
人工智能专属驿站·2025-01-18 11:07

GitHub每日最火火火项目（1.17）

OpenBMB/MiniCPM-o项目名称：OpenBMB/MiniCPM-o用途：MiniCPM-o2.6是一个适用于手机的视觉、语音和多模态直播的GPT-4o级别大语言模型（LLM）。
FutureUniant·2025-01-18 04:12

产品解读 | 无涯问知AI PC开启个人大模型应用新篇章

它不仅具备强大的本地化向量库，支持多格式、不限长度的文件资料入库，还支持影、音、图、文等多模态数据的“知识化”处理，以及“语义化”查询和应用能力，极大地丰富了知识
·2025-01-18 00:28

注意力池化层：从概念到实现及应用

然而，在多模态模型中，如何有效地将图像特征和文本特征结合起来一直是一个挑战。注意力池化层（AttentionPoolingLayer）提供了一种有效的解决方案，通
专业发呆业余科研·2025-01-17 21:39

无涯应用实践 | 快速构建组织内部的专属知识库，让大模型快速落地

知识库构建，像云盘一样简单知识库管理支持文档、表格、图片、音视频等多模态文件的一键导入，自动切片及向量化，无需任何手动配置，还能对知识库进行文件夹管理，方便后续进一步勾选使用
·2025-01-17 19:06

Docker入门系列之三：如何将dockerfile制作好的镜像发布到Docker hub上

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。
·2025-01-17 09:17

成功

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。
·2025-01-17 09:17

开源多模态推理模型QVQ：视觉推理能力的突破与未来展望

近年来，AI代码生成器等人工智能技术飞速发展，多模态推理模型作为其中一个重要分支，正展现出越来越强大的能力。它能够理解和处理多种类型的数据，例如图像、文本、音频等，并进行复杂的推理和决策。
·2025-01-17 00:46

VLM 系列——Qwen2 VL——论文解读——前瞻（源码解读）

一、概述1、是什么是一系列多模态大型语言模型（MLLM），其中包括2B、7B、72B三个版本，整体采用视觉编码器+LLM形式（可以认为没有任何投射层）。
TigerZ*·2025-01-16 18:48

开源 多模态 大模型架构深度分析 2024

1.典型开源多模态大模型（1）KOSMOS-2KOSMOS-2是微软亚洲研究院在KOSMOS-1模型的基础上开发的多模态大模型。
AI大模型 lose and dream·2025-01-16 17:36

多模态模型基础

资料ViT：https://zhuanlan.zhihu.com/p/657666107ViT的位置编码：https://blog.csdn.net/qq_44166630/article/details/127429697Clip：https://zhuanlan.zhihu.com/p/660476765QwenVL：https://blog.csdn.net/qq_35812205/arti
谁怕平生太急·2025-01-16 17:34

如何用JavaScript判断前端应用运行环境（移动平台还是桌面环境）

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。
·2025-01-16 14:12

使用LLaVa和Ollama实现多模态RAG示例

本文将详细介绍如何使用LLaVa和Ollama实现多模态RAG（检索增强生成），通过提取图像中的结构化数据、生成图像字幕等功能来展示这一技术的强大之处。安装环境首先，您需要安装以下依赖包：!
llzwxh888·2024-09-16 09:20

如何给QQ邮箱自动发邮件？无惧「小爱」下线！代码全公开，两步搞定

我把多模态大模型接入了「小爱」，痛快来一场「表情包斗图」
AI码上来·2024-09-15 23:40

腾讯发表多模态综述，一文详解多模态大模型

多模态大语言模型（MLLM）是近年来兴起的一个新的研究热点，它利用强大的大语言模型作为大脑来执行多模态任务。
存内计算开发者社区·2024-09-15 21:57

基于深度学习的文本引导的图像编辑

这涉及到多模态数据的对齐和理解。编
SEU-WYL·2024-09-15 06:50

多模态Transformer之文本与图像联合建模 - Transformer教程

大家好，今天我们来聊聊一个既前沿又有趣的话题——多模态Transformer，特别是文本与图像的联合建模。
shandianfk_com·2024-09-14 22:52

【人工智能】多模态AI：如何通过融合文本、图像与音频重塑智能系统未来

我的主页：2的n次方_随着人工智能技术的飞速发展，多模态AI逐渐成为构建智能系统的重要方向。传统的AI系统通常依赖于单一模态的数据，如文本、图像或音频。
2的n次方_·2024-09-14 20:43

建构主义学习理论

具体体现在以下三个方面:（1）知识不是对现实的准确表征，只是一种解释、一种假设。（2）知识并不能精确地概括世界的法则，不能拿来便用，一用就灵，而是需要针对具体情境进行再创造。
莯槿溪·2024-09-14 18:15

多模态大模型微调Qwen-VL微调及日志

%pipinstallmodelscope-U%pipinstalltransformersacceleratetiktoken-U%pipinstalleinopstransformers_stream_generator-U%pipinstallpillow-U%pipinstalltorchvision%pipinstallmatplotlib-Ufrommodelscopeimport(s
Messi^·2024-09-14 15:10

基于深度学习的多模态信息检索

基于深度学习的多模态信息检索（MultimodalInformationRetrieval,MMIR）是指利用深度学习技术，从包含多种模态（如文本、图像、视频、音频等）的数据集中检索出满足用户查询意图的相关信息
SEU-WYL·2024-09-14 14:31

[AI资讯·0605] GLM-4系列开源模型，OpenAI安全疑云，ARM推出终端计算子系统，猿辅导大模型备案……

AI手机PC大爆发，Arm从软硬件到生态发力，打造行业AI百宝箱GLM-4开源版本：超越Llama3，多模态比肩GPT4V，MaaS平台也大升级猿辅导竟然是一家AI公司？
老牛同学·2024-09-14 13:57

文本生成图像工作简述1--概念介绍和技术梳理

details/127302735【嵌牛导读】文本生成图像的概念介绍与技术梳理【嵌牛鼻子】文本生成图像基于深度学习的机器学习方法已经在语音、文本、图像等单一模态领域取得了巨大的成功，而同时涉及到多种输入模态的多模态机器学习研究有巨大的应用前景和广泛的
尹凯·2024-09-14 11:50

多模态大语言模型(MLLMs)-一般架构（非常详细）零基础入门到精通，收藏这一篇就够了

多模态大语言模型(MultimodalLargeLanguageModel,MLLM），在LLM原有的强大泛化和推理能力基础上，进一步引入了多模态信息处理能力。
程序员_大白·2024-09-14 11:40

大规模语言模型从理论到实践 vLLM推理框架实践

大规模语言模型从理论到实践：vLLM推理框架实践1.背景介绍1.1问题的由来随着大规模语言模型（LargeLanguageModels,vLLMs）的发展，从简单的语言生成到复杂的多模态任务，这些模型的能力得到了显著提升
AGI通用人工智能之禅·2024-09-14 10:08

深入掌握大模型精髓：《实战AI大模型》带你全面理解大模型开发！

大型深度学习模型（简称AI大模型）以其强大的表征能力和卓越的性能，在自然语言处理、计算机视觉、推荐系统等领域均取得了突破性的进展。尤其随着AI大模型的广泛应用，无数领域因此受益。AI大模型
努力的光头强·2024-09-13 18:53

大模型中的多模态概念指的是什么

大模型中的多模态（Multimodal）概念是指模型能够同时处理和理解来自多种类型的数据或信息模式（modalities），如文本、图像、音频、视频等。
张3蜂·2024-09-13 12:48

百行代码复现扩散模型-基于线性回归

文章目录引言简化模型原本模型模型改造实现过程数据集文本编码图像编码解码扩散过程训练过程生成过程完整实现结论引言多模态的深度学习模型，通常需要大量的算力去训练和验证。
李新然·2024-09-13 10:07

新技术前沿-2024-国内主流AI大模型架构及应用场景深度分析

参考国内主流AI大模型架构及应用场景深度分析20241厂商总览1.1国外(1)OpenAI：GPT-4【美国旧金山的人工智能研究公司】GPT-4于2023年3月14日发布，是千亿级参数的多模态预训练模型
皮皮冰燃·2024-09-12 18:51
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他