AI搞定谷歌驗證碼，最新多模態(tài)大模型比GPT-4V空間理解更準(zhǔn)確 | 蘋果AI/ML團(tuán)隊

AIGC動態(tài)歡迎閱讀

原標(biāo)題：AI搞定谷歌驗證碼，最新多模態(tài)大模型比GPT-4V空間理解更準(zhǔn)確 | 蘋果AI/ML團(tuán)隊

關(guān)鍵字：模型,區(qū)域,坐標(biāo),圖像,特征

文章來源：量子位

內(nèi)容字?jǐn)?shù)：3999字

內(nèi)容摘要：Michael 投稿自 凹非寺量子位 | 公眾號 QbitAI谷歌人機(jī)驗證已經(jīng)攔不住AI了！最新多模態(tài)大模型，能輕松找到圖中所有交通信號燈，還準(zhǔn)確圈出了具置。表現(xiàn)直接超越GPT-4V。這就是由蘋果和哥倫比亞大學(xué)研究團(tuán)隊帶來的多模態(tài)大模型“雪貂”（Ferret）。它具備更強(qiáng)的圖文關(guān)聯(lián)能力，提升了大模型在“看說答”任務(wù)中的精確度。比如下圖中非常細(xì)小的部件（region 1），它也可以分辨出來是避震…

原文鏈接：點此閱讀原文：AI搞定谷歌驗證碼，最新多模態(tài)大模型比GPT-4V空間理解更準(zhǔn)確 | 蘋果AI/ML團(tuán)隊

聯(lián)系作者

文章來源：量子位

作者微信：QbitAI

作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破