模态辨识

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

再分享API形式调用Dify项目应用

大模型相关目录大模型，包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容从0起步，扬帆起航。
福安德信息科技·2025-01-25 06:40

2025年国内外AI大模型的API接口网址整理

本文将盘点国内外的知名度较高的AI大模型平台，其中包括AI大语言模型和AI多模态模型，方便大家一探究竟。AI大模型的api接口有哪些作用？
weixin_56968280·2025-01-25 06:08

Open AI GPT大模型深度解析：通往智能的里程碑

多模态大模型已经成为了人工智能领域的重要研究方向之一。OpenAI作为一家全球领先的人工智能公司，在推动人工智能技术的边界上发挥着重要作用，其在大模型方面的研究和应用也是一直处于领先地位。
xziyuan·2025-01-24 16:59

ChatGPT

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。
·2025-01-24 16:01

每日论文推荐：我们距离GPT-4V有多远，最接近GPT-4V的开源多模态大模型

元数据概览：标题：HowFarAreWetoGPT-4V?ClosingtheGaptoCommercialMultimodalModelswithOpen-SourceSuites作者：ZheChen,WeiyunWang,HaoTian,ShenglongYe,ZhangweiGao,ErfeiCui,WenwenTong,KongzhiHu,JiapengLuo,ZhengMa,JiMa,J
linxid·2025-01-24 16:50

8.2 从看图识字到智能解读：GPT-4 with Vision 开启多模态 AI 新纪元

从看图识字到智能解读：GPT-4withVision开启多模态AI新纪元引言：AI的多模态跃迁随着人工智能技术的快速发展，我们正迈入一个新的智能交互时代。
少林码僧·2025-01-24 15:47

腾讯AI开放平台的接口调用指南

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。
·2025-01-24 11:49

使用Google Cloud Vertex AI进行文本和多模态生成

技术背景介绍GoogleCloudVertexAI是一个强大的框架，提供了多种AI模型的开放访问和动态部署，包括文本、代码和多模态生成模型。
sagvWSRJHMNEB·2025-01-24 06:07

如何贡献开源项目LangChain：完整指南

1.技术背景介绍LangChain是一个专注于构建多模态AI应用的框架，通过模块化的方式集成各种工具和服务。随着其生态的不断扩
azzxcvhj·2025-01-24 06:31

自动检测和机器审核系统实现

目录一、自动检测和机器审核实现步骤1.文本预处理步骤细节：2.关键词检测步骤细节：3.情感分析与情境理解步骤细节：4.机器学习模型训练步骤细节：5.深度学习模型步骤细节：6.多模态审查步骤细节：7.用户行为分析与违规预测步骤细节
╰つ゛木槿·2025-01-24 05:55

基于卡尔曼滤波的系统参数辨识matlab仿真

目录1.程序功能描述2.测试软件版本以及运行结果展示3.核心程序4.本算法原理4.1、卡尔曼滤波的基本原理4.2、基于卡尔曼滤波的系统参数辨识5.完整程序1.程序功能描述通过kalman滤波的方法，对系统的参数进行辨识
软件算法开发·2025-01-24 02:37

【cs.AI】25.1.11 arxiv更新速递

MultilingualPerformanceofaMultimodalArtificialIntelligenceSystemonMultisubjectPhysicsConceptInventories关键词:多语言,多模态
hinmer·2025-01-24 02:34

大模型GUI系列论文阅读 DAY2续2：《使用指令微调基础模型的多模态网页导航》

我们提出了一种名为WebGUM的指令跟随多模态代理，该代理能够同时观察网页截图和HTML页面，并输出网页导航操作，例如点击和输入文本等。WebGUM通过
feifeikon·2025-01-24 02:33

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

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

字节启动AGI长期研究计划，代号Seed Edge

SeedEdge鼓励跨模态、跨团队合作，为项目成员提供宽松的研究环境，实行采用更长周期的考核方式，以
·2025-01-23 18:54

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

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

VMD（变分模态分解）详解

VMD（变分模态分解）详解目录前言背景及发展VMD原理与数学基础问题的提出变分框架与能量最小化中心频率与带宽定义目标函数及约束拉格朗日乘子法频域迭代更新公式VMD与EMD/EEMD/CEEMDAN等方法比较
DuHz·2025-01-23 01:24

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

创建非模态对话框后，点击主窗口无发置顶的解决方法

创建非模态对话框就不用说了，主要问题在于这一行：m_testdlg->Create(IDD_DIALOG1,this);将this改为GetDesktopWindow()，即可实现子窗口和父窗口点击置顶
afreetboy·2025-01-22 17:52

【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

随着人工智能的快速发展，单一模态（如文本、图像或语音）已经不能满足复杂任务的需求。
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

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

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