多模态paper

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

awesome-Gaussian-Splatting

Awesome3DGaussianSplattingResourcesAcuratedlistofpapersandopen-sourceresourcesfocusedon3DGaussianSplatting
Jfeng7810·2025-01-23 22:38

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

Logo语言的函数实现

Logo语言的函数实现引言Logo语言是一种教育性编程语言，最初由西摩尔·派普特（SeymourPapert）在1960年代开发。
萧澄华·2025-01-23 07:20

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

【Codex】Evaluating Large Language Models Trained on Code

这篇文章来解读最近比较有意思的Transformer预训练模型在自动生成代码方面的应用，PaperLink:EvaluatingLargeLanguageModelsTrainedonCode自动生成Code
NLP_wendi·2025-01-23 05:57

[OpenAI Codex] Evaluating Large Language Models Trained on Code

Linkofpaper:https://arxiv.org/abs/2107.03374.EvaluatingLargeLanguageModelsTrainedonCodeIntroductionCodexisaGPT-basedmodelfine-tunedonpubliccodefromGitHub
ShadyPi·2025-01-23 04:17

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

glob.glob()函数

,recursive=False)功能：返回一个某一种文件夹下面的某一类型文件路径列表pathname:文件路径例如：返回某一文件下面的pdf文件importglobf=glob.glob('H:\\paper_of_remote_sensing
爱摸肚子的小胖子cl·2025-01-21 18:12

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

vid2vid-zero：使用Stable Diffusion进行零样本视频编辑

Paper:WangW,JiangY,XieK,etal.Zero-shotvideoeditingusingoff-the-shelfimagediffusionmodels[J].arXivpreprintarXiv
ScienceLi1125·2025-01-21 14:12

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

火山引擎数据飞轮2.0：聚焦Data+AI，驱动企业数智化转型

近期，火山引擎数智平台技术和产品专家受邀出席DataFun首届“数据与人工智能解决方案大会”，围绕数据飞轮2.0模式，及Data+AI领域热门话题ChatBI、多模态数据湖展开分享。
·2025-01-21 11:43

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

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

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

NLP 中文拼写检测纠正论文 Automatic-Corpus-Generation 代码

NLP中文拼写检测纠正Paperjava实现中英文拼写检查和错误纠正？可我只会写CRUD啊！一个提升英文单词拼写检测性能1000倍的算法？
·2025-01-19 19:58

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

NLP 中文拼写检测纠正论文-07-NLPTEA-2020中文语法错误诊断共享任务概述

NLP中文拼写检测纠正Paperjava实现中英文拼写检查和错误纠正？可我只会写CRUD啊！一个提升英文单词拼写检测性能1000倍的算法？
·2025-01-19 15:45

NLP 中文拼写检测纠正论文-04-Learning from the Dictionary

NLP中文拼写检测纠正Paperjava实现中英文拼写检查和错误纠正？可我只会写CRUD啊！一个提升英文单词拼写检测性能1000倍的算法？
·2025-01-19 15:13

NLP 中文拼写检测纠正论文-01-介绍了SIGHAN 2015 包括任务描述，数据准备， 绩效指标和评估结果

NLP中文拼写检测纠正Paperjava实现中英文拼写检查和错误纠正？可我只会写CRUD啊！一个提升英文单词拼写检测性能1000倍的算法？
·2025-01-19 15:12

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

第79期 | GPTSecurity周报

SecurityPapers1.TrojanWhi
云起无垠·2025-01-18 17:22

第60期 | GPTSecurity周报

SecurityPapers1.映射你的模型：评估
云起无垠·2025-01-18 17:22

《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
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他