AIGC動態(tài)歡迎閱讀

原標題：在線教程 | 打敗 GPT-4V？超強開源多模態(tài)大模型 LLaVA-OneVision 正式上線！
關(guān)鍵字：商標,字節(jié)跳動,模型,視頻,員
文章來源：HyperAI超神經(jīng)
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

HyperAI超神經(jīng)教程版塊現(xiàn)已上線「LLaVA-OneVision 多模態(tài)全能視覺模型 Demo」，快來體驗吧！大語言模型（Large Language Model，簡稱 LLM）與多模態(tài)大模型（Large Multimodal Model，簡稱 LMM）是人工智能領(lǐng)域的兩個核心發(fā)展方向。LLM 主要致力于處理和生成文本數(shù)據(jù)，而 LMM 則更進一步，它旨在整合和理解包括文本、圖片、視頻在內(nèi)的多種數(shù)據(jù)類型。如今，LLM 已經(jīng)相對成熟，ChatGPT 等在文字理解方面已經(jīng)「對答如流」，人們開始將目光轉(zhuǎn)移到多模態(tài)數(shù)據(jù)的理解上，令模型能夠「讀圖、看視頻」。
近期，來自字節(jié)跳動、南洋理工大學、香港中文大學和香港科技大學的研究人員共同開源了 LLaVA-OneVision 多模態(tài)大模型，該模型在單圖像、多圖像和視頻任務中均展現(xiàn)出了卓越的性能。專為多模態(tài)大型模型設計的評估框架 LMMs-Eval 中顯示，LLaVA-OneVision-72B 在大多數(shù)基準上優(yōu)于 GPT-4V 和 GPT-4o，如下圖所示：LLaVA-OneVision 在視頻基準測試中的性能表現(xiàn)LLaVA-OneVision 在

原文鏈接：在線教程 | 打敗 GPT-4V？超強開源多模態(tài)大模型 LLaVA-OneVision 正式上線！

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：