模态第11页

大模型（1）——基本概念

文章目录一、大模型的定义与概念二、大模型的原理与技术核心三、大模型的应用领域四、市面上常用的大模型1.生成类模型（文本/代码/图像）2.理解类模型（文本/语义）3.多模态模型4.国产大模型五、总结与趋势一

追逐☞·2025-05-21 06:47

大模型——多模态检索的RAG系统架构设计

文章目录1.系统架构设计核心组件2.跨模态向量空间对齐方案方法一：预训练对齐模型（如CLIP）方法二：跨模态投影网络方法三：联合微调3.混合检索策略4.关键问题解决Q:如何解决模态间向量尺度不一致？

追逐☞·2025-05-21 06:16

弹性力学优化算法：蚁群算法(ACO)：弹性力学优化中的ACO算法变种_2024-08-08_07-16-08.Tex

传统的优化方法，如梯度下降法、牛顿法等，往往在处理非线性、多模态的优化问题时显得力不从心。蚁群算法（An

chenjj4003·2025-05-21 05:43

基于EFISH-SCB-RK3576/SAIL-RK3576的智能垃圾分类站技术方案

（国产化替代J1900的环保物联网解决方案）一、硬件架构设计‌‌多模态感知系统‌‌高精度识别模块‌：双光谱成像（RGB+近红外）融合NPU加速ResNet50模型，支持40+垃圾品类识别（准确率>99.5%

电鱼智能·2025-05-21 04:37

基于EFISH-SCB-RK3576/SAIL-RK3576的智能药柜管理系统技术方案

（国产化替代J1900的医疗合规性解决方案）一、硬件架构设计‌‌药品精准管理模块‌‌多模态识别系统‌：‌双MIPI-CSI接口‌接入4K摄像头，NPU加速药品包装识别（支持3000+SKU，准确率>99.9%

电鱼智能·2025-05-21 04:06

计算机视觉论文合集（光伏电板与多模态）

光伏太阳能板的论文合集epjournal.csee.org.cn题目：《基于YOLOv5的太阳电池表面缺陷检测》作者：彭自然、张颖清、肖伸平期刊/年份：太阳能学报,2024,45(6):368–375DOI：10.19912/j.0254-0096.tynxb.2023-0335简介：本文针对太阳能电池表面缺陷问题，在YOLOv5模型基础上进行了改进，提出了利用跨连接结构强化特征融合的方案，有效提

Hello world.Joey·2025-05-20 23:59

AIGC领域与AIGC写作：开启内容创作的新时代

AIGC领域与AIGC写作：开启内容创作的新时代关键词：AIGC、人工智能生成内容、自然语言处理、深度学习、内容创作工具、多模态生成、数字内容生态摘要：本文系统解析AIGC（人工智能生成内容）领域的核心技术体系与产业应用

AI天才研究院·2025-05-20 21:51

AG-UI 协议：重构多模态交互，开启智能应用新纪元

一、协议诞生的时代背景：填补AI生态最后一块拼图在人工智能技术飞速发展的今天，AI代理（Agent）作为能够主动执行复杂任务的智能实体，正从实验室走向生产环境，重塑各个行业的工作流程。然而，随着MCP（代理与外部工具交互协议）和A2A（代理间协作协议）的相继问世，AI应用生态中仍存在一个关键缺口——Agent与用户界面的交互缺乏统一标准。传统AI应用中，前端界面与后端Agent的通信往往依赖定制化

大卫的 AI 办公摸鱼手册·2025-05-20 21:47

【多模态大模型实战】搭建通义千问Qwen 2.5-VL-7B-Instruct多模态模型，以及推理微调

模型信息Qwen2.5是Qwen大型语言模型的最新系列。对于Qwen2.5，我们发布了从0.5亿到72亿参数不等的一系列基础语言模型和指令调优语言模型。Qwen2.5在Qwen2的基础上带来了以下改进：拥有了显著更多的知识，并且在编码和数学方面的能力得到了极大提升，这得益于我们在这些领域开发的专门专家模型。在指令遵循、生成长文本（超过8000个标记）、理解结构化数据（如表格）以及生成结构化输出（特

AI智韵·2025-05-20 18:03

【YOLOv12多模态融合改进】| 改进双HS-FPN颈部结构：高级筛选特征融合金字塔，加强不同模态间的细微特征检测

一、本文介绍本文改进双HS-FPN颈部结构，融合YOLOv12中的多模态特征，以优化目标检测网络模型。HS-FPN借助通道注意力机制及独特的多尺度融合策略，有效应对目标尺寸差异及特征稀缺问题。

Limiiiing·2025-05-20 17:55

大模型工程化基础概念

大模型工程化基础概念大模型工程化是以智能体为核心架构，融合多模态交互与知识推理的系统工程。

看今朝··2025-05-20 12:56

《深入浅出多模态》（六）: 多模态经典模型BLIP

GoAI·2025-05-20 09:09

多模态大语言模型arxiv论文略读（八十五）

Geneverse:AcollectionofOpen-sourceMultimodalLargeLanguageModelsforGenomicandProteomicResearch➡️论文标题：Geneverse:AcollectionofOpen-sourceMultimodalLargeLanguageModelsforGenomicandProteomicResearch➡️论文作者：

胖头鱼爱算法·2025-05-20 08:34

一文看懂：多模态大模型（LMMs）与大语言模型（LLMs）的比较

大家好，我是大F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。更多文章见《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！【数据集篇】更多阅读：大语言模型常见任务及评测数据集汇总（一）：70余个数据集!https://blog.csdn.net/zengzizi/article/details/137251140

大F的智能小课·2025-05-20 08:33

IntelliJ IDEA 集成AI编程助手全解析：从Copilot到GPT-4o Mini的实践

低成本接入方案三大助手对比与场景适配企业级安全与本地化部署未来发展趋势与开发者启示1.AI编程助手的演进与核心价值1.1技术演进图谱2018-IDE基础插件2021-GitHubCopilot2023-本地化模型2024-多模态助手

一休哥助手·2025-05-20 07:25

Python高级开发工程师-面经篇

.PythonWeb框架的使用6.编写Prompt和AI应用能力7.沟通与团队合作能力8.自驱动力与问题解决能力9.好奇心与快速学习能力10.接受应届毕业生11.熟悉大模型和智能问答系统的开发12.多模态应用开发

闲人编程·2025-05-20 06:13

AI-多模态-2021：FILIP【一种基于交互的细粒度图文预训练模型】

前言FILIP（Fine-grainedInteractiveLanguage-ImagePretrain）是一种基于交互的细粒度图文预训练模型，用于解决图文双塔匹配模型中的细粒度匹配问题。本文对该论文进行阅读笔记，论文：https://arxiv.org/abs/2111.07783FILIP[1]提出是为了解决图文匹配中的细粒度匹配问题。我们之前在博文[2]中曾经讨论过，在图文双塔匹配中，由于

u013250861·2025-05-20 00:02

多模态RAG与LlamaIndex——1.deepresearch调研

摘要关键点：多模态RAG技术通过结合文本、图像、表格和视频等多种数据类型，扩展了传统RAG（检索增强生成）的功能。

小洛~·~·2025-05-20 00:00

【FAQ】HarmonyOS SDK 闭源开放能力 —Share Kit(2)

1.问题描述：在app相册点击图片分享，分享模态框能改变样式吗?

·2025-05-19 19:14

【图书推荐】几本人工智能实用性图书

《OpenCV计算机视觉开发实践：基于Python》《OpenCV计算机视觉开发实践:基于Python》【摘要书评试读】-京东图书《DEEPSEEK大模型高性能核心技术与多模态融合开发》《DEEPSEEK

夏天又到了·2025-05-19 17:13

深度学习直接缝了别的模型，在论文中这种创新点应该如何描述呢？

多模态的目标检测/语义分割/目标

深度学习入门·2025-05-19 14:54

【图像生成大模型】HunyuanVideo：大规模视频生成模型的系统性框架

HunyuanVideo：大规模视频生成模型的系统性框架引言HunyuanVideo项目概述核心技术1.统一的图像和视频生成架构2.多模态大语言模型（MLLM）文本编码器3.3DVAE4.提示重写（PromptRewrite

白熊188·2025-05-19 13:17

【AI学习】AI大模型技术发展研究月报的生成提示词

bylander·2025-05-19 10:32

VLP-MABSA论文概要 2022 ACL（多模态情感分析）

VLP-MABSA论文概要2022ACL（多模态情感分析）一.过往研究的缺陷二.主要任务及创新点三.主要网络架构1.特征提取5.编解码框架2.预训练任务3.下游MABSA任务一.过往研究的缺陷单独使用预训练的视觉和文本模型

Musennn·2025-05-19 09:26

多模态情感分析论文整理（2021-2023）

MABSA下游任务论文整理一.MASC任务（一）基于注意力模型的相关论文（二）基于图卷积网络(GCN)的相关论文二.ASPE任务（一）PIPELINE-BASEDASPEMETHOD（二）JOINT-BASEDASPEMETHOD（三）UNIFIED-BASEDASPEMETHOD（四）TEXTGENERATION-BASEDASPEMETHOD一.MASC任务（一）基于注意力模型的相关论文‘‘S

Musennn·2025-05-19 08:18

计算机视觉与深度学习｜ Python实现VMD-LSTM时间序列预测（完整源码和数据)

数据预处理5.LSTM模型定义6.训练每个IMF分量7.预测与重构8.性能评估完整代码说明数据与参数调整建议典型输出结果以下是使用Python实现VMD-LSTM时间序列预测的完整代码，包含数据生成、变分模态分解

单北斗SLAMer·2025-05-19 08:17

el-dialog鼠标在遮罩层松开会意外关闭，教程图文并茂

报错效果如下在遮罩层处松开鼠标会导致模态框意外关闭，体验感极差解决方法工作流程点击遮罩层：用户在对话框遮罩层上点击触发before-close事件：由于closeOnClickModal默认为true，

Zww0891·2025-05-19 08:17

Baklib赋能企业知识资产AI化升级

传统知识库受限于静态存储与人工维护，而Baklib通过构建知识中台架构，将多模态数据处理与语义理解引擎深度融合，实现知识资产的动态聚合与智能解析。

数字体验运营官·2025-05-19 08:16

深度剖析Transformer架构：从原理到实战的全面指南

探讨稀疏注意力、模型压缩等高效化路径，以及多模态融合、硬件适配等前沿趋势。研究表明，Transformer凭借并行计算与强大表征能力革

AI_DL_CODE·2025-05-19 07:42

智源联合南开大学开源Chinese-LiPS中文多模态语音识别数据集

2025年5月6日，智源研究院在法国巴黎举行的GOSIM全球开源创新论坛上发布Chinese-LIPS中文多模态语音识别数据集，该数据为智源研究院联合南开大学共同构建。

智源研究院官方账号·2025-05-19 00:58

【实战指南】Rocky Linux 本地部署 Qwen2.5-VL-Instruct（含 GPU 加速 + 多模态推理脚本）

【实战指南】RockyLinux本地部署Qwen2.5-VL-Instruct（含GPU加速+多模态推理脚本）适用系统：RockyLinux/CentOS/RHEL适用于本地GPU+Docker部署Qwen2.5

神志不清.·2025-05-18 21:34

DeepSeek在简历筛选系统中的深度应用

一、多模态解析引擎的技术突破1.1复杂格式的精准解析针对简历格式多样性挑战，DeepSeek采用三级解析架构：格式标准化层：基于Transformer的DocParser模型支持200+种文档格式转换视觉特征提取

摆烂大大王·2025-05-18 20:30

AIGC视频生成模型：ByteDance的PixelDance模型

好评笔记·2025-05-18 20:26

Meta的AIGC视频生成模型——Emu Video

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·2025-05-18 20:54

AIGC未来趋势：生成式AI将如何重塑数字世界？

关键词：AIGC、生成式AI、多模态融合、数字内容生产、智能交互、产业智能化、伦理挑战摘要：本文深入探讨生成式人工智能（AIGC）的技术演进路径与未来发展趋势，系统分析其在数字内容生产、人机交互模式、产业智能化转型等领域的颠覆性影响

AI大模型应用工坊·2025-05-18 15:55

搜索领域新宠：AI搜索深度解析

通过算法原理剖析、数学模型推导和完整项目实战，揭示AI搜索在个性化推荐、多模态搜索等领域的创新应用，并探讨行业未来发展趋势与技术挑战。1.背景介绍1.1目的和范围本文旨在系统解析AI搜索的核心技术体

搜索引擎技术·2025-05-18 12:06

基于 Flink 的实时推荐系统：从协同过滤到多模态语义理解

长风清留扬·2025-05-18 08:03

时间序列预测 | Matlab基于EMD-LSTM/LSTM基于经验模态分解和长短期记忆网络的时间序列预测(含LSTM、EMD-LSTM 模型的对比)

文章目录效果一览文章概述部分源码参考资料效果一览文章概述时间序列预测|Matlab基于EMD-GRU/GRU基于经验模态分解和门控循环单元的时间序列预测(含GRU、EMD-GRU模型的对比)EMD-LSTM

前程算法屋·2025-05-18 06:46

计算机视觉与深度学习｜ Matlab实现EMD-LSTM和LSTM时间序列预测对比（完整源码和数据)

EMD-LSTM与LSTM一、数据生成与预处理二、经验模态分解（EMD）三、数据预处理四、模型构建与训练1.单一LSTM模型2.EMD-LSTM混合模型五、预测与结果对比1.单一LSTM预测2.EMD-LSTM

单北斗SLAMer·2025-05-18 06:15

多模态大模型综述《A Survey on Multimodal Large Language Models》

架构图在单模态的基础上，加了新的模态，encoder后，通过mlp或者其他方式与text对齐，再输入大模型。如果需要生成新的膜套，可以再通过生成器。

yang_daxia·2025-05-18 06:44

【综述论文阅读】A Survey on Multimodal Large Language Models下

(2)如何缓解多模态幻觉问题（第6节）？（3）三个关键技术（

pureblacker·2025-05-18 06:14

A Survey on Multimodal Large Language Models for Autonomous Driving

自动驾驶多模态大语言模型研究综述摘要1引言2自动驾驶的发展3多模态语言模型的发展4自动驾驶的多模态语言模型5数据集和基准6LLVM-AD研讨会总结7讨论8结论摘要随着大型语言模型（LLM）和视觉基础模型

UnknownBody·2025-05-18 05:41

大厂NLP技术全景：从BERT到GPT-5的演进与优化

RAG优化实战高通骁龙AI引擎：端侧大模型的算力优化与5G混合架构华南理工NLFT技术：小样本微调的革命性突破蚂蚁集团CodeFuse：AI编程与"图生代码"的NLP创新中科院LLaVA-Mini：多模态理解的高效压缩技术金融行

DeepFaye·2025-05-18 02:17

柔性电子皮肤的分布式触觉信号融合：技术原理、挑战与前沿

引言柔性电子皮肤（FlexibleElectronicSkin,E-Skin）作为模仿人类皮肤多模态感知能力的前沿技术，在机器人、医疗健康、可穿戴设备等领域展现出巨大潜力。

尘烬海·2025-05-17 23:26

面向模具设计与制造的AIGC通用大模型开发方案，整合了生成式设计、物理仿真和多模态交互技术，已在多家汽车零部件企业验证应用

以下是一个面向模具设计与制造的AIGC通用大模型开发方案，整合了生成式设计、物理仿真和多模态交互技术，已在多家汽车零部件企业验证应用：一、模型架构设计

预见技术·2025-05-17 20:07

打造三甲医院人工智能矩阵新引擎（三）：多模态大模型篇-Med-Gemini多面手

一、引言1.1研究背景与意义近年来，随着人工智能技术的迅猛发展，医疗多模态大模型如Med-Gemini应运而生，成为医疗领域的研究热点。

Allen_Lyb·2025-05-17 20:06

鸿蒙OS&UniApp 制作自定义弹窗与模态框组件#三方框架 #Uniapp

UniApp制作自定义弹窗与模态框组件前言在移动应用开发中，弹窗和模态框是用户交互的重要组成部分，它们用于显示提示信息、收集用户输入或确认用户操作。

淼学派对·2025-05-17 19:33

大语言模型与多模态模型比较

一、核心差异：输入数据类型与模态融合输入数据类型LLM：仅处理文本数据，例如文本分类、机器翻译、问答等任务，通过大规模语料库学习语言规律。

有梦想的攻城狮·2025-05-17 19:32

多模态大语言模型arxiv论文略读（七十八）

AID:AdaptingImage2VideoDiffusionModelsforInstruction-guidedVideoPrediction➡️论文标题：AID:AdaptingImage2VideoDiffusionModelsforInstruction-guidedVideoPrediction➡️论文作者：ZhenXing,QiDai,ZejiaWeng,ZuxuanWu,Yu-G

胖头鱼爱算法·2025-05-17 19:58

VLA、LLM和VLM

**VLA(VisionLanguageAction)**:这是一种多模态机器学习模型，它结合了视觉、语言和动作三种能力，旨在实现从感知输入直接映射到机器人控制动作的完整闭环能力。

qq_50857609·2025-05-17 14:23

推荐频道

模态