多模态paper

51-10 多模态论文串讲—ALBEF 论文精读

今天我们就来过一下多模态的串讲，其实之前，我们也讲了很多工作了，比如说CLIP，还有ViLT，以及CLIP的那么多后续工作。
深圳季连AIgraphX·2024-02-07 13:29

语义分割系列之FCN、DeeplabV1、V2、V3、V3Plus论文学习

FullyConvolutionalNetworksforSemanticSegmentation地址:https://openaccess.thecvf.com/content_cvpr_2015/papers
Diros1g·2024-02-07 11:40

MoE-LLaVA:具有高效缩放和多模态专业知识的大型视觉语言模型

大型视觉语言模型(LVLMs)在图像识别、视觉问题回答和多模态交互方面提供了无与伦比的能力。MoE-LLaVA利用了“专家混合”策略融合视觉和语言数据，实现对多媒体内容的复杂理解和交互。
deephub·2024-02-07 11:01

分钟get“肠菌+免疫+癌症”研究的基本思路

一个好本子or一篇高分的paper都有一个必要条件：清晰而有逻辑的研究思路。
尐尐呅·2024-02-07 10:07

ethz_aslam_cv2(一) 简介

为了提升算法的速度和鲁邦性，用了比较多工程上的技巧，并对一些paper中的算法进行了实现。
bingoplus·2024-02-07 01:20

眸思MouSi：“听见世界” — 用多模态大模型点亮盲人生活

文章目录1.Introduction1.1APP细节展示2.Demo2.1论文链接2.2联系方式3.Experiment3.1多专家的结合是否有效？3.2如何更好的将多专家整合在一起？Reference让盲人听见世界，复旦眸思大模型打破视觉界限，用科技点亮新生活1.Introduction在这个世界上，视力是探索万物之美、与有灵万物互动的重要感官。而在中国，约有1700多万视力障碍者，相当于每10
猛码Memmat·2024-02-06 23:33

8/21

TherewasatestinEnglishandbiologyclasstoday.InEnglishclass,weusedgoogleclassestodothetest.Thereweresomemultiplechoicequestionsonthetestpaper.IthinkIdidwell.Inbiologyclass
风起云涌云卷云舒·2024-02-06 23:36

CodeFuse-VLM 开源，支持多模态多任务预训练/微调

CodeFuse-MFT-VLM项目地址：https://github.com/codefuse-ai/CodeFuse-MFT-VLMCodeFuse-VLM-14B模型地址：CodeFuse-VLM-14BCodeFuse-VLM框架简介随着huggingface开源社区的不断更新，会有更多的visionencoder和LLM底座发布，这些visionencoder和LLM底座都有各自的强项，
CodeFuse·2024-02-06 22:37

2022-01-11（121）DREAM HORSE梦之马

DREAMHORSENeedlessly,watchingmylooking-glassimage,withitspassionforpapersandcinemas,daysoftheweek,Ipluckfrommyheartmyhell'scaptainandordertheclauses
木金木水火土的木·2024-02-06 20:25

【多模态MLLMs+图像编辑】MGIE：苹果开源基于指令和大语言模型的图片编辑神器（24.02.03开源）

项目主页：https://mllm-ie.github.io/论文:基于指令和多模态大语言模型图片编辑2309.GuidingInstruction-basedImageEditingviaMultimodalLargeLanguageModels
曾小蛙·2024-02-06 20:52

看论文利器：paperswithcode

paperswithcode，从名字就可以看出来，有源代码的paper。写论文，很关键的就是能够复现论文内容。这个网站提供了“论文+代码”的参考文献。
superdont·2024-02-06 19:21

ISBI ACDC challenge 赛后反思

清明的时候又搞了一下paper,毕竟没有写paper，就不算有效提交，哎，沉没成本有点高啊。这个事情算是尘埃落定了吧，虽然成绩渣渣，但是还有蛮多需要改的地方和值得总结的地方，先来一弹总结吧。
涂山容容·2024-02-06 17:54

大模型 AI Agent 详细介绍

这些AI代理利用了大规模的语言模型（如GPT-3、BERT、T5等）或其他类型的模型（如图像识别模型、多模态模型等）来模拟人类行为和决策过程。
人生万事须自为，跬步江山即寥廓。·2024-02-06 13:19

C# Onnx GroundingDINO 开放世界目标检测

目录介绍效果模型信息项目代码下载介绍地址：https://github.com/IDEA-Research/GroundingDINOOfficialimplementationofthepaper"GroundingDINO
天天代码码天天·2024-02-06 13:19

多模态对比语言图像预训练CLIP：打破语言与视觉的界限，具备零样本能力

多模态对比语言图像预训练CLIP：打破语言与视觉的界限，具备零样本能力。一种基于多模态（图像、文本）对比训练的神经网络。
代码讲故事·2024-02-06 10:30

ICCV2023 Tracking paper汇总（一）（多目标跟随、单目标跟随等）

一、PVT++:ASimpleEnd-to-EndLatency-AwareVisualTrackingFrameworkpaper：https://openaccess.thecvf.com/content
藏晖·2024-02-06 10:15

Feature refinement 的阅读笔记

摘要：ThispaperproposesanovelFeatureRefinement(FR)withexpression-specificfeaturelearningandfusionformicro-expressionrecognition
pzb19841116·2024-02-06 09:13

音乐数据集+大模型相关（一）

MusicCapsYouTube8M-MusicTextClipsMusicNetFMAMTG-JamendoMagnaTagATune音乐模型介绍简介MUSICGEN:mate新推出的音乐生成模型2023MusicLM:用文本生成高保真音频音乐llark音乐多模态大模型参考音乐数据集介绍下图来自
万年枝·2024-02-06 06:29

CVPR2023|Learning Instance-Level Representation for Large-Scale Multi-Modal Pretraining in Ecommerce

Multi-ModalPretrainingObjectives4.TransfertoDowntasks转换到下游任务实验预训练数据集实验细节在下游任务上的Evaluationconclusion摘要本文旨在建立一个通用的多模态基础模型
万年枝·2024-02-06 06:59

使用paperspace搭建fastai深度学习平台

在Paperspace上可以快速搭建自己的深度学习平台，具体方法如下：1.注册账户并登陆。2.点击页面的newmachine按钮。
禾木清清·2024-02-06 01:37

CVPR2020生成类超分网络阅读笔记

InvestigatingLossFunctionsforExtremeSuper-Resolution链接：https://openaccess.thecvf.com/content_CVPRW_2020/papers
full_adder·2024-02-06 00:25

Paper_7: Natural killer/T cell淋巴瘤的基因组、转录组特征

HighlightsIntegratedanalysisprovidesinsightintothemolecularclassificationinNKTCLEBVlyticgenesplayanimportantroleonNKTCLpathogenesisGenomicalteration-basedmolecularsubtypesassociatewithclinicaloutcomes
TOP生物信息·2024-02-05 23:47

DL-Paper精读：MobileBERT

MobileNERT:aCompactTask-AgnosticBERTforResource-LimitedDeviceshttps://arxiv.org/abs/2004.02984BackgroundBERT在NLP领域的地位是举足轻重的，其预训练模型，在多种下游任务的迁移工作中都能给出非常好的效果。但于此同时，BERT也受困于其庞大的模型参数和较慢的运行速度，尤其是在于一些资源受限的移动
星月野1·2024-02-05 22:01

Java程序员有这七款日志管理工具，2019多一份保障

日志管理工具有Splunk、SumoLogic、LogStash、GrayLog、Loggly和PaperTrails这些，不计其数。日志如同原油，二十几年了人们始终想消除它，却始终都没有做到。
游戏原画设计·2024-02-05 22:44

最全AI工具汇总二（文本生成，图画，语音，生活助手，AI翻译）

utm_source=rewardfulText:Papercup把Papercup使用表现力AI语音翻译视频，使任何视频都可以用任何语言观看URL:https://www.papercup.com/Text
稚肩·2024-02-05 22:13

GPT如何在一分钟内完成论文数据分析？

数据上传PPMAN-AI01由于技术限制，目前InfinitePaperAI仅支持上传1份文件，且大小不超过10M。但是，在强大的代码解释器面前，这都是小问题。
赵闪闪168·2024-02-05 20:20

文心一言4.0API接入指南

概述文心一言是百度打造出来的人工智能大语言模型，具备跨模态、跨语言的深度语义理解与生成能力，文心一言有五大能力，文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成，其在搜索问答、内容创作生成、智能办公等众多领域都有更广阔的想象空间
小小晓晓阳·2024-02-05 20:37

每周AI新闻（2024年第5周）ChatGPT等多应用登陆 Vision Pro | 字节Coze国内版上线等

FireflyAI登陆VisionProOpenAI发布了新的ChatGPTApp，允许AppleVisionPro用户与GPT-4Turbo模型进行自然语言交互，利用VisionOS操作系统的先进功能，支持多模态
陌北有棵树·2024-02-05 20:30

CVPR 2023: Leapfrog Diffusion Model for Stochastic Trajectory Prediction

我们使用以下6个分类标准对本文的研究选题进行分析：1.扩散模型类型:标准扩散模型蛙跳扩散模型(LED)其他扩散模型变体2.预测类型:确定性vs.随机性个体vs.群体3.数据模态:单变量(仅位置数据)多模态
结构化文摘·2024-02-05 15:47

6个国内可用的chat大模型

同时，它的多模态能力可以生成各种图片和图表等视觉内容，丰富了用户的内容表达方式。情感陪伴：该应用
go2coding·2024-02-05 15:44

Google聊天机器人Bard计划更名为Gemini并推出新功能；12 个 RAG 痛点和建议

GeminiAdvanced还将引入新功能和独家特性，如增强的多模态
go2coding·2024-02-05 15:42

情态动词表推测的四种时态

情态动词+动词现在进行时表示对现在或将来正在进行的情况进行推测*Atthismoment,ourteachermustbecorrectingourexampapers.这时，我们
阿怪sulley·2024-02-05 15:30

眼动和脑电多模态数据融合分析

眼动和脑电多模态数据融合分析本文参考网址：http://www2.hu-berlin.de/eyetracking-eeg/tutorial.html本文首发在个人博客（7988888.xyz）今天为大家介绍多模态数据分析
陈锐CR·2024-02-05 07:00

看懂paper中的卷积堆叠感受野计算

VGG中卷积堆叠在赢得其中一届ImageNet比赛里VGG网络的文章中，他最大的贡献并不是VGG网络本身，而是他对于卷积叠加的一个巧妙观察。This(stackofthree3×3convlayers)canbeseenasimposingaregularisationonthe7×7conv.filters,forcingthemtohaveadecompositionthroughthe3×3
霍尔元件·2024-02-05 07:54

2019-03-01

地址是：http://www.paperpass.com/
姜子崖·2024-02-05 03:31

大模型日报-20240202

文章目录企业如何使用开源LLM：16个案例多模态LLM多到看不过来？先看这26个SOTA模型吧伯克利开源高质量大型机器人操控基准，面对复杂自主操控任务不再犯难市值登顶全球！
程序无涯海·2024-02-05 03:33

大模型日报-20240204

还学会了跨应用操作代谢数据集上四项指标达94%~98%，西南交大团队开发多尺度图神经网络框架，助力药物研发A16Z最新AI洞察｜2023年是AI视频元年，2024年还有这些难题需要解决比肩GPT-4，商汤日日新大幅升级4.0，多模态能力领先一步年龄两岁
程序无涯海·2024-02-05 03:30

Q-Bench：一种用于低级别视觉通用基础模型的基准测试

1.引言多模态大语言模型（Multi-modalityLargeLanguageModels，后续简称多模态大模型）能够提供强大的通用级别视觉感知/理解能力，甚至可以通过自然语言与人类进行无缝对话和互动
AI算法-图哥·2024-02-05 01:56

MC插件服教程-paper+游戏云VPS

首先必须要先买一台VPS，这里以i9的机型做演示购买完成等待大约1分钟服务器就会创建完成，之后在管理页可以看到服务器的连接信息image772×35643KB首先复制下远程连接地址，此处即k.rainplay.cn:13192之后在系统里搜索“rdp”或“远程桌面”image356×77541.2KB打开这个叫远程桌面连接的软件填入刚刚复制的地址后，点击左下角的“显示选项”将用户名也填入（雨云wi
风屿Wind·2024-02-04 22:36

每日paper - 20211111 - 哺乳动物基因表达调控的全局定量分析

Globalquantificationofmammaliangeneexpressioncontrol2011年发表在Nature上。基因表达是一个多步骤的过程，包括转录、翻译和信使RNA与蛋白质的周转（turnover，应该是类似于代谢、降解的意思？）。虽然基因表达是生命最为基础的过程之一，但是整体的级联过程还从未在基因组层面被定量研究过（当时，2011年）。研究者们通过对哺乳动物细胞的超过5
阿芃·2024-02-04 21:49

深度学习实验-3d医学图像分割

本实验数据集为多模态腹部分割数据集（AMOS），一个大规模，多样性的，收集自真实临床场景下的腹部多器官分割基准数据。本实验在百度飞桨平台上采用nnU-N
桶的奇妙冒险·2024-02-04 17:30

yolov7中的mosaic增强实现原理

yolov7源码链接：GitHub-WongKinYiu/yolov7:Implementationofpaper-YOLOv7:Trainablebag-of-freebiessetsnewstate-of-the-artforreal-timeobjectdetectors
chen_znn·2024-02-04 17:49

对于CNN的文献阅读和识别手写数字的复现

Ireadthepaperonphaseextractiono
白小李·2024-02-04 17:46

unity 导出html5网页,Unity WebGL demos

Thelearningcurveislonger,andthereareplentyofcoursesonudemy.comTomake2DgamesinUE4youmayprofittheuseofPaper2Dpreset.ProsofUnrealEngine
无无无所谓·2024-02-04 16:19

今日arXiv最热NLP大模型论文：像人一样浏览网页执行任务，腾讯AI lab发布多模态端到端Agent

Agent的发展成为了LLM发展的一个热点。只需通过简单指令，Agent帮你完成从输入内容、浏览网页、选择事项、点击、返回等一系列需要执行多步，才能完成的与网页交互的复杂任务。比如给定任务：“搜索Apple商店，了解iPad智能保护壳SmartFolio的配件，并查看最近的自提点位置（邮政编码90038）。”下图演示Agent如何按照在线方式逐步与Apple网站进行交互，完成任务。在最后的屏幕截图
夕小瑶·2024-02-04 16:35

今日arXiv最热NLP大模型论文：像人一样浏览网页执行任务，腾讯AI lab发布多模态端到端Agent

‍Agent的发展成为了LLM发展的一个热点。只需通过简单指令，Agent帮你完成从输入内容、浏览网页、选择事项、点击、返回等一系列需要执行多步，才能完成的与网页交互的复杂任务。比如给定任务：“搜索Apple商店，了解iPad智能保护壳SmartFolio的配件，并查看最近的自提点位置（邮政编码90038）。”下图演示Agent如何按照在线方式逐步与Apple网站进行交互，完成任务。在最后的屏幕截
夕小瑶·2024-02-04 16:04

【the war of art翻译】1. WHAT I DO

THEWAROFARTWHATIDOIgetup,takeashower,havebreakfast.Ireadthepaper,brushmyteeth.IfIhavephonecallstomake
cuizixin·2024-02-04 13:07

2021年第四届土木，建筑与环境工程国际会议（ICCAEE 2021）EI检索

年10月30日录用通知：投稿后2周内收录检索：EI,Scopus会议简介★2021年第四届土木，建筑与环境工程国际会议（ICCAEE2021）---EiCompendex＆Scopus-Callforpapers
CoreShare科享学术交流中心·2024-02-04 10:05

INDEMIND双目惯性模组运行实时ORB-SLAM3教程

现在实验室视觉SLAM已经不够满足，所以需要多模态融合，正巧购入高翔博士推荐的INDEMIND双目惯性模组，根据官方例程在中使用ROS接入ORB-SLAM3，这回有SDK及ORB-SLAM3安装过程中的各种常见性问题解决方法及安装细节
极客范儿·2024-02-04 10:01

第六届多模态脑网络数据处理班（直播：2023.6.15~6.25）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★脑网络（cerebralnetwork）定义为：大脑空间位置不同的皮质区域通过结构或功能联系整合起来形成的网络模式。
茗创科技·2024-02-04 08:00
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他