AIGC動態歡迎閱讀

原標題：GPT-4V開源平替！清華浙大領銜，LLaVA、CogAgent等開源視覺模型大爆發
關鍵字：視覺,模型,用戶界面,海灘,圖形
文章來源：新智元
內容字數：4670字

內容摘要：

新智元報道編輯：Aeneas
【新智元導讀】GPT-4V的開源替代方案來了！極低成本，性能卻類似，清華、浙大等中國頂尖學府，為我們提供了性能優異的GPT-4V開源平替。如今，GPT-4 Vision在語言理解和視覺處理方面展現出了非凡的能力。
然而，如果想在不影響性能的前提下，尋求具有成本效益的替代方案，開源方案就蘊藏著無限可能。
國外的一位開發者Youssef Hosni為大家奉上了三種GPT-4V的開源替代方案，可訪問性絕對可以保障。
三種開源視覺語言模型LLaVa、CogAgent和BakLLaVA，在視覺處理領域具有極大的潛力。
LLaVaLLaVA是端到端訓練的多模態大模型，來自威斯康星大學麥迪遜分校、微軟研究院以及哥倫比亞大學的研究人員，最初的版本在4月發布。
它將視覺編碼器和用于通用視覺和語言理解的Vicuna 結合在?起，實現了令人印象深刻的能力。
10月份，升級后的LLaVA-1.5的表現已經接近多模態GPT-4，在Science QA數據集上取得了SOTA。
13B模型的訓練，只需要8個A100就可以在1天內完成。
可以看到，LLaVA能處理各類問題，且生成的

原文鏈接：GPT-4V開源平替！清華浙大領銜，LLaVA、CogAgent等開源視覺模型大爆發

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。