多模态paper

多模态视觉大模型：清华开源CogAgent，重塑GUI Agent领域

引言人工智能技术正以前所未有的速度发展，多模态学习作为AI领域的一个重要分支，正在不断突破技术限制。
努力犯错·2024-01-26 18:40

展望2024: 中国AI算力能否引爆高性能计算和大模型训练的新革命？

★算力；算法；人工智能；高性能计算；高性能；高互联；生成式人工智能；StableDiffusion；ChatGPT；CoPilot；文本创建；图像生成；代码编写；大语言模型；多模态大模型；预训练；边缘计算
高性能服务器·2024-01-26 15:02

连接分析工具箱 | 利用CATO进行结构和功能连接重建

CATO是一个多模态软件包，使研究人员能够运行从MRI数据到结构和功能连接组图的端到端重建，定制其分析并利用各种软件包对数据进行预处理。
茗创科技·2024-01-26 13:25

什么是多视角回归？

具体而言，多视角回归适用于以下情况：多模态数据：当样本的不同方面由不同的数据源或视角提供时，例如，图像、文本、和数值特征同时描述一个对象。信息丰富性：每个视角提供的信息在某些方面是冗余的，但在其他方面
CA&AI-drugdesign·2024-01-26 13:28

#AIGC##LLM##RAG# RAG：专补LLMs短板_减少LLM幻觉并多模态/RAG 技术最新进展

通过整合先前知识，它提升了大型语言模型的性能，广泛应用于多模态领域和垂直行业。本文深入探讨了RAG技术的演进历程、技术发展、LLMs问题及其解决方案，为读者提供了对这一前沿技术的全面理解。
向日葵花籽儿·2024-01-26 11:23

一文深度解读多模态大模型视频检索技术的实现与使用

当视频检索叠上大模型Buff。万乐乐｜技术作者视频检索，俗称“找片儿”，即通过输入一段文本，找出最符合该文本描述的视频。随着视频社会化趋势以及各类视频平台的快速兴起与发展，「视频检索」越来越成为用户和视频平台实现高效查找视频、定位目标内容的新需求。对于个人用户而言，面对海量的在线视频资源，快速准确地通过关键词或描述找到感兴趣的视频十分重要。同时，在个人存储设备如手机或网络云盘中，用户也存在检索自己
阿里云视频云·2024-01-26 10:05

【JavaEE】网络编程 TCP/UDP

作者主页：paperjie_博客本文作者：大家好，我是paperjie，感谢你阅读本文，欢迎一建三连哦。本文于《JavaEE》专栏，本专栏是针对于大学生，编程小白精心打造的。
paper jie·2024-01-26 09:39

3D点云分割之SAGA（cvpr2023) 配置及使用

papergithub语义分割采用的是SAM(segmentanything),SAM和3dgaussian-splatting结合，通过训练一个MLP，把SAM特征和3D特征进行映射，从而不需要每帧都分割
蓝羽飞鸟·2024-01-26 07:04

3d gaussian splatting介绍整理

papergithub本文翻译整理自：blog:Introductionto3DGaussianSplattingDDPMs-Part2给出一些2D图片，用colmap得到稀疏(SfM)点，可重建出逼真的
蓝羽飞鸟·2024-01-26 07:28

实现稳定的联合显著性检测和联合目标分割

BoLi;LvTang;SenyunKuang;MofeiSong;ShouhongDing)【IEEETransactionsonImageProcessing2022】2ConclusionThispaperpresentanovelmodelforsimultaneo
umbrellazg·2024-01-26 06:19

基于隐流扩散模型的CI2V

1TitleConditionalImage-to-VideoGenerationwithLatentFlowDiffusionModels（HaomiaoNieg）2ConclusionThispaperproposeanapproachforcI2Vusingnovellatentflowdiffusionmodels
umbrellazg·2024-01-26 06:19

VideoGPT：使用VQ-VAE和Transformers的视频生成

VideoGenerationusingVQ-VAEandTransformers（WilsonYan，YunzhiZhang，PieterAbbeel，AravindSrinivas）2ConlusionThispaperpresentVideoGPT
umbrellazg·2024-01-26 06:16

谷歌推出 AutoRT 机器人代理大规模编排的具体基础模型，远程操作和收集 77,000 个机器人事件

论文网址：https://huggingface.co/papers/2401.12963更多消息：AI人工智能行业动态，aigc应用领域资讯
喜好儿aigc·2024-01-26 06:45

论文怎么降重引用 PaperBERT

大家好，今天来聊聊论文怎么降重引用PaperBERT，希望能给大家提供一点参考。
Bxwfjdjdbdgj·2024-01-26 04:41

试用Gemini pro

12月15日，Google开放Geminipro，据称是多模态的AI，我尝试了一下。
jifeng_lr·2024-01-26 01:21

颜色直方图

优点：一是对于任意一个图像区域，直方图特征的提取简单方便；其二，直方图表征图像区域的统计特征，可以有效表示多模态的特征分布，并且本身具备一定的旋转不变性。亮度直方图以亮度值为横轴，该像素的数量为纵轴。
Good@dz·2024-01-26 01:33

大模型日报-20240125

Meta、纽约大学造了一个OK-Robot画个框、输入文字，面包即刻出现：AI开始在3D场景「无中生有」了首个通用双向Adapter多模态目标追踪方法BAT，入选AAAI2024药物-靶标亲和力预测，上科大团队开发了一种
程序无涯海·2024-01-26 00:16

Retrieval-augmented Multi-modal Chain-of-Thoughts Reasoning for Large Language Models

检索增强的大型语言模型的多模态思维链推理摘要1引言2相关工作3方法4实验5结论摘要大型语言模型（LLM）的发展引起了人们对思维链（CoT）方法的极大关注。
UnknownBody·2024-01-25 17:53

基于图神经网络的对抗攻击防御 GNNGUARD: Defending Graph Neural Networks against Adversarial Attacks

参考资料项目：https://zitniklab.hms.harvard.edu/projects/GNNGuard/代码：https://github.com/mims-harvard/GNNGuardpaper
苏打呀·2024-01-25 16:35

CalvinFS: Consistent WAN Replication and Scalable Metadata Management for Distributed File...——论文泛读

FAST2015Paper元数据论文阅读汇总问题现有的文件系统，即使是存储数百PB数据的可伸缩系统，也会将文件元数据存储在单个服务器上，或通过共享磁盘架构，以确保元数据的一致性和有效性。
妙BOOK言·2024-01-25 14:02

Vigil-KV: Hardware-Software Co-Design to Integrate Strong Latency Determinism into Log-Stru...——论文泛读

ATC2022Paper论文阅读笔记整理问题在生产环境中，日志结构合并的键值存储（LSMKV）需要确保查询的延迟，特别是，读取的长尾延迟（和延迟一致性）是满足不同用户需求和服务级别协议（SLA）的问题[
妙BOOK言·2024-01-25 14:01

Building an Efficient Key-Value Store in a Flexible Address Space——论文泛读

EuroSys2022Paper论文阅读笔记整理问题数据管理应用程序使用结构化文件存储其数据，其中数据通常经过排序以提供索引和查询服务。
妙BOOK言·2024-01-25 14:01

Tebis: Index Shipping for Efficient Replication in LSM Key-Value Stores——论文泛读

EuroSys2022Paper论文阅读笔记整理问题基于LSM树的Key-value(KV)存储已成为数据中心和云服务存储栈中的基础层。
妙BOOK言·2024-01-25 14:30

Learning to Learn Better Unimodal Representations via Adaptive Multimodal Meta-Learning

文章目录AMML：通过自适应多模态元学习，学会更好地学习单模态表征文章信息研究目的研究内容研究方法1.总体架构2.网络结构3.UnimodalNetwork4.DistributionTransformationLayer5
鱼儿也有烦恼·2024-01-25 13:21

ChatGPT/GPT4科研实践应用与AI绘图技术及论文高效写作

2023年随着OpenAI开发者大会的召开，最重磅更新当属GPTs，多模态API，未来自定义专属的GPT。微软创始人比尔盖茨称ChatGPT的出现有着重大历史意义，不亚于互联网和个人电脑的问世。
梦想的初衷~·2024-01-25 12:58

nlp文本主题提取算法总结

BigARTM(BigAdditiveRegularizationTopicModel):简介：BigARTM是一种多模态、
mqdlff_python·2024-01-25 12:50

MFIN6002Spreadsheet Modelling in Finance

Thisisatake-homecomputer-basedexam.Thereare5questionsintotal.PleasereadtheinstructionsofeachquestioninthisexampapercarefullyandfinishallthequestionsintheExcelfile.WhenyouanswerthequestionsinExcel
D285A3·2024-01-25 11:20

MoEs学习

和多任务学习的mmoe很像哦（有空再学习一下）moelayer的起源：SwitchTransformerspaperMoEmoe由两个结构组成：MoeLayer：这些层代替了传统Transformer模型中的前馈网络
银晗·2024-01-25 08:51

论文阅读：Vary-toy论文阅读笔记

visionvocabulary阶段PDF数据目标检测数据训练Vary-toy阶段Vary-toy结构数据集情况引言论文：SmallLanguageModelMeetswithReinforcedVisionVocabularyPaper
Liekkas Kono·2024-01-25 08:45

更高效的大模型调优方法，华盛顿大学推出“代理调优”

随着ChatGPT等生成式AI产品朝着多模态发展，基础模型的参数越来越高，想进行权重调优需要耗费大量时间和AI算力。
RPA中国·2024-01-25 06:14

手把手教你用GPT写提示词；进行文献综述；论文翻译/润色及写作

2023年随着OpenAI开发者大会的召开，最重磅更新当属GPTs，多模态API，未来自定义专属的GPT。微软创始人比尔盖茨称ChatGPT的出现有着重大历史意义，不亚于互联网和个人电脑的问世。
asyxchenchong888·2024-01-25 04:45

论文写作之十个问题

改到有些抑郁了总是不对，总是被打回好的写作，让人一看就清楚明白非常重要郁闷时候看看大佬们怎么说的沈向洋、华刚：读科研论文的三个层次、四个阶段与十个问题十问Whatistheproblemaddressedinthepaper
爱学习的书文·2024-01-25 03:08

Nat.Biotechnol|能靶向冠状病毒RNA的新型CRISPR工具问世

图片下载：右键此处另存为可保存此图片提示：欢迎点击上方「PaperRss」↑关注我们！图片下载：右键此处另存为可保存此图片Cas13酶沿着RNA行走的景象。
PaperRSS·2024-01-25 01:09

GitHub Copliot：AI驱动的编程神器

文章目录前言一、引言二、GitHubCopilot的原理2.1自然语言处理（NLP）2.2代码理解2.3训练数据与预训练2.4提示工程与多模态输入三、GitHubCopilot的优势四、实际应用4.1深度集成与无缝体验
快乐的流畅·2024-01-24 21:53

51-13 多模态论文串讲—BEiT v3 论文精读

同时，本文也对多模态大模型作了一个简单的总结。接下来，我们来看BEiT-3论文，题目是ImageasaForeignLanguage:BEiTPretraini
深圳季连AIgraphX·2024-01-24 18:19

51-14 Retentive Network，RetNet 多尺度保留机制序列建模论文精读

我们知道BLIP成了一个非常普适的一个工具，你可以拿这个模型去训练VLMo，训练CoCa，训练BEiT-3，去训练各种各样的多模态模型，因为它的目的就是生成更好的数据。
深圳季连AIgraphX·2024-01-24 18:19

51-12 多模态论文串讲—BLIP 论文精读

视觉语言预训练VLP模型最近在各种多模态下游任务上获得了巨大的成功，目前还有两个主要局限性:(1)模型角度:大多数方法要么采用encoder模型，要么采用encoder-decoder模型。
深圳季连AIgraphX·2024-01-24 18:19

51-16 FusionAD 用于自动驾驶预测与规划任务的多模态融合论文精读

今天要分享的是基于BEV的多模态、多任务、端到端自动驾驶模型FusionAD，其专注于自动驾驶预测和规划任务。这项工作首次发表于2023年8月2日，性能超越了2023CVPR最佳论文UniAD模型。
深圳季连AIgraphX·2024-01-24 18:49

最新AI系统ChatGPT网站H5系统源码，支持Midjourney绘画，GPT语音对话+ChatFile文档对话总结+DALL-E3文生图

已支持GPT语音对话、GPT-4-Turbo模型、DALL-E3文生图、GPT-4-1106-Preview多模态模型。支持GPT-4图
白云如幻·2024-01-24 17:09

从智能回复到语言准确性，ChatGPT和文心一言谁更胜一筹？

它适合处理较短的文本或需要快速响应的应用场景，例如文学创作、数理逻辑推算、多模态生成等。它的优
清水白石008·2024-01-24 17:29

大模型时代下的智能体与多模态化

一、智能体的崛起智能体，也称为智能代理或智能软件代理，是一种能够自主感知、分析、决策并执行任务的软件实体。随着人工智能技术的不断发展，智能体在各个领域的应用越来越广泛，如智能家居、自动驾驶、医疗诊断等。智能体的崛起得益于深度学习技术的突破，尤其是自注意力机制的出现。通过捕捉输入数据中的内在结构和语义信息，自注意力机制使得智能体能够更好地理解自然语言和图像等模态的信息，从而提升其决策和执行能力。二、
百度_开发者中心·2024-01-24 16:43

中文数据让LLM变笨？

我这里先贴一下论文的原链接：https://arxiv.org/abs/2401.10286然后贴一下我翻译+标注的下载链接：https://gitee.com/chatpaper/arXiv_top_chinese
AI知识图谱大本营·2024-01-24 15:54

paper read: Influence of Complex Terrain on Near-Surface Turbulence Structures over Loess Plateau

目录0.Abstract1.Introduction2.ObservationsandMethods3.StatisticalCharacteristicsoftheTurbulence4.TurbulenceSpectra5.Summary6.Referencesfluxfootprint0.
赵孝正·2024-01-24 15:35

【论文阅读】SadTalker: Learning Realistic 3D Motion Coefficients for Stylized Audio-Driven Single Image Ta

SadTalker：学习逼真的3D动作系数，用于风格化的音频驱动单张图像说话人脸动画code：paper：1介绍动机：生成说话头的方法都存在问题，耦合的2D运动场：不自然的头部动作、扭曲的表情和身份修改
李加号pluuuus·2024-01-24 14:31

20240124-大模型日报

风格乐器精准分析，还能剪辑合成https://mp.weixin.qq.com/s/idTbJr7GhtyQejbqLQ7BtQ能处理音乐的多模态大模型，终于出现了！
程序无涯海·2024-01-24 13:11

V∗: Guided Visual Search as a Core Mechanism in Multimodal LLMs

然而，这种视觉搜索机制的缺乏，在目前的多模态LLM（MLLM）阻碍了他们的能力，专注于重要的视觉细节，特别是在处理高分辨率和视觉拥挤的图像。
这家伙是个好家伙·2024-01-24 12:37

【AI视野·今日Sound 声学论文速览 第四十六期】Thu, 11 Jan 2024

AI视野·今日CS.Sound声学论文速览Thu,11Jan2024Totally10papers上期速览✈更多精彩请移步主页DailySoundPapersNoise-robustzero-shottext-to-speechsynthesisconditionedonself-supervisedspeech-representationmodelwithadaptersAuthorsKeni
hitrjj·2024-01-24 12:35

【AI视野·今日CV 计算机视觉论文速览 第288期】Thu, 11 Jan 2024

AI视野·今日CS.CV计算机视觉论文速览Thu,11Jan2024Totally50papers上期速览✈更多精彩请移步主页DailyComputerVisionPapersTowardsOnlineSignLanguageRecognitionandTranslationAuthorsRonglaiZuo
hitrjj·2024-01-24 12:34

【AI视野·今日NLP 自然语言处理论文速览 第七十五期】Thu, 11 Jan 2024

AI视野·今日CS.NLP自然语言处理论文速览Thu,11Jan2024Totally36papers上期速览✈更多精彩请移步主页DailyComputationandLanguagePapersLeveragingPrintDebuggingtoImproveCodeGenerationinLargeLanguageModelsAuthorsXueyuHu
hitrjj·2024-01-24 12:32

Gold-YOLO（NeurIPS 2023）论文与代码解析

paper：Gold-YOLO:EfficientObjectDetectorviaGather-and-DistributeMechanismofficialimplementation：https:
00000cj·2024-01-24 11:50
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他