视觉语言模型VLP 第7页

LLaVA-Mini用一个视觉Token革新多模态大模型

SGG_CV·2025-03-18 05:18

图像分割基础：使用Python和scikit-image库

图像分割是图像处理中的一项重要技术，它允许我们将图像划分为多个部分或对象，这对于图像分析和计算机视觉任务至关重要。

0dayNu1L·2025-03-18 02:30

深入理解AI编程的上下文窗口限制及解决方案：巧妙利用提示词

这不是偶然现象，而是当前所有大型语言模型（LLMs）面临的共同挑战——上下文窗口限制。在过去两年指导数百

SuperMale-zxq·2025-03-18 02:27

基于树莓派的轻量级AI数字人开发全流程指南 ——从硬件选型到语音视觉交互实战

其核心在于整合语音识别、视觉感知、自然语言处理（NLP）和动态反馈四大关键功能。本文将以树莓派5开发板为核心，搭配AI加速硬件，结合开源框架，为大家详细阐述如何实现本地化轻量级数字人开发。

zhz5214·2025-03-18 02:56

探索DeepSeek：前端开发者不可错过的新一代AI技术实践指南

作为覆盖语言、代码、视觉的多模态技术矩阵，DeepSeek不仅实现了与ChatGPT相媲美的能力，还通过强化学习驱动的架构创新，解决了大模型落地中的成本与效率瓶颈。

formerlyai·2025-03-18 02:21

Blender学习方法与技巧

高效利用教程资源视频教程优先：视觉化学习更直观，推荐B站、YouTu

自动化专业爱好者·2025-03-18 01:16

深度学习中的注意力机制：解锁智能模型的新视角

注意力机制是一种受人类视觉注意力启发的技术，它允许模型在处理大量信息时，能够动态地聚

冰蓝蓝·2025-03-17 23:07

机器学习中输入输出Tokens的概念详解

随着深度学习技术的快速发展，大语言模型（LargeLanguageModels,LLMs）已经成为自然语言处理（NLP）领域的一个热点研究方向。

爱吃土豆的程序员·2025-03-17 21:17

【GPT入门】第24课 langfuse介绍

【GPT入门】第24课langfuse介绍1.langfuse概念与作用2.代码3.页面效果4.设计模式1.装饰器模式2.上下文管理模式1.langfuse概念与作用Langfuse是一款专为大规模语言模型

*星星之火*·2025-03-17 21:16

element-ui简介、安装和使用代码

它提供了丰富的组件，如按钮、表单、表格、菜单、对话框等，这些组件具有统一的视觉风格和交互设计，能够帮助开发者快速构建美观、易用的Web应用程序。

alankuo·2025-03-17 21:43

LLM-PowerHouse: 一站式大型语言模型定制训练与推理指南

LLM-PowerHouse:解锁大型语言模型的潜力在人工智能和自然语言处理领域,大型语言模型(LargeLanguageModels,LLMs)正在掀起一场革命。

Nifc666·2025-03-17 21:43

MultiCodeBench:首个涵盖 12 个特定软件应用领域和 15 种编程语言的代码生成基准测试

一、研究背景：随着大型语言模型（LLMs）在代码生成任务中展现出卓越性能，越来越多的AI编程助手被集成到实际的软件开发环境中，显著提升了开发效率。

·2025-03-17 20:51

【人工智能基础2】Tramsformer架构、自然语言处理基础、计算机视觉总结

文章目录七、Transformer架构1.替代LSTM的原因2.Transformer架构：编码器-解码器架构3.Transformer架构原理八、自然语言处理基础1.语言模型基本概念2.向量语义3.预训练语言模型的基本原理与方法

roman_日积跬步-终至千里·2025-03-17 19:59

MV-EB435i立体相机对垃圾分类

最近在v社区发了一篇文章，懒得转移过来了链接：V社区-机器视觉技术交流社区-MV-EB435i立体相机对垃圾分类我觉得这篇文章对于刚入门深度学习想看点项目学点代码的刚刚好，因为我也是新手，嘻嘻嘻！

开哥kg·2025-03-17 18:54

颠覆智能助手的游戏规则！LangGraph MCP助你构建通用AI助手！

主要功能无缝集成：能够将LLM（大语言模型）应用与各种外部数据源和工具进行无缝连接。想象一下，构建一个智能助手，能够实时获取所需信息，助你高

大模型.·2025-03-17 17:49

ollama下载的DeepSeek的模型(Model)文件在哪里？(C盘下)

在人工智能快速发展的今天，大语言模型已经成为许多人探索和使用的热门技术。而Ollama作为一款轻量级的本地大模型运行工具，让我们能够在个人电脑上体验各种强大的AI模型，如DeepSeek系列。

神秘泣男子·2025-03-17 16:14

ST-Align：一个包含430万训练样本，涵盖了15种细粒度多模态数据集

2025-01-15，由北航大学、合肥工业大学、中科院信息工程研究所和美团等机构联合创建介绍了一种名为LLaVA-ST的多模态大型语言模型。

·2025-03-17 15:12

PlanLLM: 首个支持开放词汇与封闭集任务的跨模态视频程序规划框架

2025年1月7号，由杨德杰、赵子敬、刘洋联合提出PlanLLM，一种基于可微调大型语言模型（LLM）的跨模态联合学习框架，用于解决视频程序规划任务。

·2025-03-17 15:11

Collab-Overcooked:专注于多智能体协作的语言模型基准测试平台

一、研究背景近年来，基于大型语言模型的智能体系统在复杂任务分解和规划方面展现出巨大潜力，成为自然语言处理领域的研究热点。

·2025-03-17 15:08

s1K 数据集：是一个用于提升语言模型推理能力的高质量数据集。

2025-02-07，由斯坦福大学、华盛顿大学等研究机构创建了s1K数据集，该数据集包含1,000个精心挑选的问题，并配以推理轨迹和答案，为语言模型推理能力的提升提供了重要的数据基础。

·2025-03-17 14:37

【北上广深杭大厂AI算法面试题】计算机视觉篇...详解目标检测中的多尺度训练和测试?

【北上广深杭大厂AI算法面试题】计算机视觉篇…详解目标检测中的多尺度训练和测试?【北上广深杭大厂AI算法面试题】计算机视觉篇…详解目标检测中的多尺度训练和测试?

努力毕业的小土博^_^·2025-03-17 14:53

开源模型应用落地-Qwen2-VL-7B-Instruct-vLLM-OpenAI API Client调用

让我们能够深入了解当今最前沿的视觉语言模型的工作原理和强大能力。这不仅拓宽了我们的知识视野，更让我们站在科技发展的潮头，紧跟时代的步伐。

开源技术探险家·2025-03-17 13:52

ChatGPT、DeepSeek、Grok 三者对比：AI 语言模型的博弈与未来

个人主页：一ge科研小菜鸡-CSDN博客期待您的关注1.引言随着人工智能技术的飞速发展，AI语言模型已经成为人机交互、内容创作、代码生成、智能问答等领域的重要工具。

一ge科研小菜菜·2025-03-17 13:47

【go从入门到精通】探秘struct结构体转json为什么需要首字母大写？

并且深耕深度学习和数据集训练，提供商业化的视觉人工智能检测和预警系统（煤矿，工厂，制造业

前网易架构师-高司机·2025-03-17 13:47

AI 大模型应用数据中心建设：高性能计算与存储架构

这些AI大模型在自然语言处理、计算机视觉、语音识别等领域展现出强大的应用潜力，但也对计算资源和数据存储提出了极高的要求。传统的计算架构难以满足AI大

AI智能涌现深度研究·2025-03-17 12:10

AI大模型学习路线：从入门到精通的完整指南【2025最新】

它们不仅在自然语言处理（NLP）任务中表现卓越，还在计算机视觉、多模态交互等领域展现出巨大潜力。

AI大模型-大飞·2025-03-17 10:27

Claude3.5到底强大在哪？

草莓屁屁我不吃·2025-03-17 08:15

深入解析两大AI模型的架构与功能

随着技术的不断进步，我们见证了从简单的聊天机器人到复杂语言模型的演变。其中，Google的Gemini和OpenAI的ChatGPT作为两大代表性模型，各自在技术和应用上展现出了卓越的性能。

草莓屁屁我不吃·2025-03-17 08:12

python 使用microsoft-Florence-2-base进行图片描述生成

目录一、Florence-2简介二、代码实践三、多语言模型一、Florence-2简介Florence-2是一个先进的视觉基础模型，采用基于提示（prompt）的方式，处理广泛的视觉和视觉-语言任务。

哦里哦里哦里给·2025-03-17 06:00

【人工智能】Model Context Protocol (MCP) 是一个开放协议，标准化了应用程序向大型语言模型（LLMs）提供上下文的方式

MCP，标准化了应用程序向大型语言模型（LLMs）提供上下文的方式。‌MCP，旨在标准化应用程序如何为大型语言模型（LLM）提供上下文信息。

本本本添哥·2025-03-17 06:28

从零开始大模型开发与微调：PyCharm的下载与安装

从零开始大模型开发与微调：PyCharm的下载与安装1.背景介绍随着人工智能和深度学习技术的不断发展,大型语言模型(LargeLanguageModels,LLMs)已经成为当前最引人注目的研究热点之一

AI天才研究院·2025-03-17 06:55

大模型系列——正式推出 Spring AI MCP：用于 MCP（模型上下文协议）的 Java SDK

模型上下文协议（MCP）是一种开放式协议，它规范了应用程序为大型语言模型（LLM

不二人生·2025-03-17 05:20

【Agent】OpenManus 项目架构分析

1.项目概述OpenManus是一个基于大语言模型的智能体框架，旨在提供一个无需邀请码的创意实现平台。项目由MetaGPT社区的贡献者开发，采用Python语言实现。

非晓为骁·2025-03-17 01:15

YOLOv5+UI界面在车辆检测中的应用与实现

1.引言随着智能交通系统（ITS）的快速发展，车辆检测已成为计算机视觉领域的重要研究方向。车辆检测技术广泛应用于交通流量监控、车辆违章抓拍、无人驾驶等场景中。

深度学习&目标检测实战项目·2025-03-16 23:03

一周热点：微软攻克语音输入、文本输出难题-Phi-4-multimodal

以下是对该模型的详细解释：模型概述微软Phi-4-multimodal是一个能够同时处理文本、图像和语音的多模态大型语言模型。

数据分析能量站·2025-03-16 22:57

小语言模型（SLM）技术解析：如何在有限资源下实现高效AI推理

引言：为什么小语言模型（SLM）是2025年的技术焦点？2025年，人工智能领域正经历一场“由大变小”的革命。

硅基打工人·2025-03-16 22:52

AI开拓者指南：GenAI产品应用TIPs——从采购到使用（采购篇）

企业对生成式人工智能产品（以下简称为“GenAI产品”）的应用需求日益增长，其应用场景也愈发多样化：开展营销活动的过程中利用AI生成创意文案和视觉设计素材，极大地缩短了创作周期并降低了成本；使用AI客服机器人处理客户咨询

·2025-03-16 21:38

YOLO优化之扫描融合模块（SimVSS Block）

驾驶场景中目标尺度和大小的巨大差异，以及视觉特征不显著且易受噪声干扰的问题，对辅助驾驶系统的安全性构成了潜在威胁。

清风AI·2025-03-16 19:00

计算机视觉入门

计算机视觉（ComputerVision）是一门涉及使机器能够从图像或者多维数据中提取信息，解释、理解并对物体或场景进行处理的学科。

109702008·2025-03-16 18:58

计算机视觉（Computer Vision, CV）的入门到实践的详细学习路线

一、基础准备1.数学基础线性代数深入矩阵运算，理解矩阵乘法、转置、逆等基本概念。掌握特征值与特征向量的几何意义，理解其在图像压缩、特征提取中的应用。学习奇异值分解（SVD）及其在降维和数据压缩中的具体应用。概率与统计熟悉贝叶斯定理及其在分类任务中的应用，如朴素贝叶斯分类器。理解常见概率分布（如正态分布、二项分布）及其性质。学习统计推断方法，如假设检验、置信区间估计，以评估模型性能。微积分掌握梯度、

云梦优选·2025-03-16 18:57

Free QWQ - 世界首个免费无限制分布式 QwQ API

安替-AnTi·2025-03-16 17:54

利用ECharts与ECharts-GL打造炫酷3D飞线地球：视觉与数据的完美碰撞

利用ECharts与ECharts-GL打造炫酷3D飞线地球：视觉与数据的完美碰撞【下载地址】ECharts与ECharts-GL实现3D飞线地球可视化ECharts与ECharts-GL实现3D飞线地球可视化本仓库提供了一个使用

劳筝千Daphne·2025-03-16 16:11

LangChain大模型应用开发：LangGraph快速入门

LangGraphLangGraph概述LangGraph是一个用于借助大语言模型(LL

老赵爱学习·2025-03-16 16:40

大语言模型微调和大语言模型应用区别

大语言模型微调和大语言模型应用区别微调与应用LLM的区别微调大语言模型（LLM）是指取一个已经预训练好的模型，进一步用特定数据集训练，使其更好地适应某个任务或领域，比如为医疗聊天机器人优化医疗术语理解。

AI Echoes·2025-03-16 15:34

Manus（一种AI代理或自动化工具）与DeepSeek（一种强大的语言模型或AI能力）结合使用任务自动化和智能决策

一、Manus与DeepSeek差异十分好奇DeepSeek和Manus究竟谁更厉害些，DeepSeek是知识型大脑，Manus则是全能型执行者。即DeepSeek专注于语言处理、知识整合与专业文本生成。其核心优势在于海量参数支持的深度学习和知识推理能力，例如撰写论文、润色法律合同、解答专业问题等。Manus则更强调从规划到交付的闭环能力。它通过工具链调用（如浏览器、代码编辑器）自主执行复杂任务，

zzlyx99·2025-03-16 15:01

大规模语言模型从理论到实践开源指令数据集

大规模语言模型从理论到实践开源指令数据集1.背景介绍大规模语言模型（LargeLanguageModels,LLMs）近年来在自然语言处理（NLP）领域取得了显著的进展。

AI天才研究院·2025-03-16 13:17

书籍棱面广告投放的创新设计方法.zip

通过材料、涂料的科技应用及光学原理，确保在不同光照下的视觉效果。设计考虑视觉吸引力、技术可行性及用户体验，可能结合AR技术增强互动性。需多方合作实现，包括印刷厂商、材料供应商和广告客户。

罗博深·2025-03-16 12:41

机器视觉|手势识别：基于YOLOv5的手部检测与MediaPipe的关键点估计

手势识别：基于YOLOv5的手部检测与MediaPipe的关键点估计在实时计算机视觉应用中，手部检测与关键点估计是实现手势识别的重要基础。

RockLiu@805·2025-03-16 12:39

Python 在人工智能领域的实际6大案例

从机器学习到深度学习，从自然语言处理到计算机视觉，Python提供了丰富的库和框架，使得开发者能够快速实现各种AI应用。本文将通过多个实际案例，展示Python在人工智能领域的强大功能和应用前景。

Solomon_肖哥弹架构·2025-03-16 10:00

推荐频道

视觉语言模型VLP