LVLM

通义千问-VL-Chat-Int4

Qwen-VL是阿里云研发的大规模视觉语言模型（LargeVisionLanguageModel,LVLM）。Qwen-VL可以以图像、文本、检测框作为输入，并以文本和检测框作为输出。

九品神元师·2024-09-01 20:42

通义千问( 五 ) 图片分析

5.多模态5.1.图片分析5.1.1.介绍通义千问VL(Qwen-VL)是阿里云研发的大规模视觉语言模型（LargeVisionLanguageModel,LVLM），可以以图像、文本、检测框作为输入，

春哥的魔法书·2024-08-25 14:15

MoE-LLaVA: Mixture of Experts for Large Vision-Language Models

MoE-LLaVA：大型视觉语言模型的专家混合摘要1引言2相关工作3方法4实验5结论和未来方向摘要对于大型视觉语言模型（LVLM），缩放模型可以有效地提高性能。

UnknownBody·2024-02-07 16:53

MoE-LLaVA:具有高效缩放和多模态专业知识的大型视觉语言模型

lvlm及其挑战大型视觉语言模型(L

deephub·2024-02-07 11:01

Evaluating Object Hallucination in Large Vision-Language Models----评估大视觉语言模型中的物体幻觉

Abstract受大语言模型（LLM）卓越语言能力的启发，最近提出了大视觉语言模型（LVLM），通过集成强大的LLM来提高复杂多模态任务的性能。

Mars_prime·2024-01-04 14:48

Generalization and Hallucination of Large Vision-Language Models through a Camouflaged Lens

抽象的大视觉语言模型（LVLM）最近得到了蓬勃发展并日益受到关注。

Mars_prime·2023-12-23 18:33

认识“DRESS”：通过自然语言反馈与人类协调和互动的大视觉语言模型 (LVLM)

大视觉语言模型（LVLM）可以解释视觉线索并为用户交互提供简单的答复。这是通过巧妙地将大型语言模型(LLM)与大规模视觉指令微调融合来实现的。

Mars_prime·2023-12-23 18:03

Beyond Hallucinations: Enhancing LVLMs through Hallucination-Aware Direct Preference Optimization

超越幻觉：通过幻觉感知直接偏好优化增强LVLM上海人工智能实验室Abstract近年来，多模态大语言模型取得了显着的进步，但它们仍然面临着一个被称为“幻觉问题”的常见问题，即模型生成的文本描述包含图像中不准确或不存在的内容

Mars_prime·2023-12-21 08:07

ANALYZING AND MITIGATING OBJECT HALLUCINATION IN LARGE VISION-LANGUAGE MODELS分析和减轻大视觉语言模型中的物体幻觉

ABSTRACT大型视觉语言模型（LVLM）在用人类语言理解视觉信息方面表现出了卓越的能力。然而，LVLM仍然存在物体幻觉的问题，即生成包含图像中实际不存在的物体的描述的问题。

Mars_prime·2023-12-01 19:41

Evaluation and Analysis of Hallucination in Large Vision-Language Models----大视觉语言模型中幻觉的评估与分析

Abstract大视觉语言模型（LVLM）最近取得了显著的成功。然而，LVLM仍然受到幻觉问题的困扰，这限制了在许多场景下的实用性。

Mars_prime·2023-12-01 19:11

Talk2BEV: Language-enhanced Bird’s-eye View Maps for Autonomous Driving

论文标题为“Talk2BEV:Language-enhancedBird’s-eyeViewMapsforAutonomousDriving”，主要介绍了一种新型的视觉-语言模型（LVLM）界面，用于自动驾驶情境中的鸟瞰图

技术宅学长·2023-11-17 08:15

全面评估基准LVLM-eHub告诉你

夕小瑶科技说原创作者|王思若LLaMA、GPT-3等大型语言模型实现了对自然语言强大的理解和推理能力，为AI社区构筑了强大的语言基座模型。进而，继续迭代的GPT-4，更是赋予了模型处理图像的视觉能力。如今，构建强大的多模态模型已经成为了社区的共识，BLIP2、LLaVA、MiniGPT-4、mPLUG-Owl、InstructBLIP等大量的视觉语言模型（Vision-LanguageModels

夕小瑶·2023-09-02 08:38

奢侈品牌—珠宝首饰

本篇介绍的是在珠宝领域这部分的奢侈品牌一、蒂芙尼Tiffany是来自美国的奢华珠宝品牌，也是世界第二大珠宝品牌，这公司在2021年的时候，被LVLM收购了，这也是全球奢侈品市场有史以来规模最大的一笔收购

七点小书屋·2023-03-17 03:40

推荐频道