標(biāo)簽：視覺(jué)

開(kāi)源多模態(tài)SOTA再易主，19B模型比肩GPT-4v，16G顯存就能跑

夢(mèng)晨 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI開(kāi)源多模態(tài)SOTA模型再易主！ Hugging Face開(kāi)發(fā)者大使剛剛把王冠交給了CogVLM2，來(lái)自大模型創(chuàng)業(yè)公司智譜AI。 CogVLM2...
閱讀原文

時(shí)隔一年Falcon回歸！110億參數(shù)5.5萬(wàn)億token，性能超越Llama 3

新智元報(bào)道編輯：庸庸喬楊 【新智元導(dǎo)讀】 5月14日，開(kāi)源的大語(yǔ)言模型Falcon 2發(fā)布，性能超越Llama 3，消息登上了Hacker News熱榜第一。「獵鷹」歸來(lái)，開(kāi)源宇...
閱讀原文

HuggingFace教你怎樣做出SOTA視覺(jué)模型

克雷西 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI前有OpenAI的GPT-4o，后有谷歌的系列王炸，先進(jìn)的多模態(tài)大模型接連炸場(chǎng)。 其他從業(yè)者在震撼之余，也再次開(kāi)始思考怎...
閱讀原文

李飛飛揭秘創(chuàng)業(yè)方向“空間智能”：視覺(jué)化為洞察，看見(jiàn)成為理解，理解導(dǎo)致行動(dòng)

夢(mèng)晨 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI斯坦福李飛飛創(chuàng)業(yè)后，首次揭秘新概念“空間智能”。 這不僅是她的創(chuàng)業(yè)方向，也是指引她的“北極星”，被她認(rèn)為是“解決人...
閱讀原文

OpenAI 重磅發(fā)布 GPT-4o ：見(jiàn)證《Her》的誕生！

北京時(shí)間 5 月 14 日凌晨，備受期待的 OpenAI 春季更新發(fā)布會(huì)上，CTO Mira Murati 宣布發(fā)布新的模型迭代版本——GPT-4o，o 代表「omnimodel」（全能模型），原...
閱讀原文

GPT-4o 屠龍式震撼！多模態(tài)、實(shí)時(shí)交互、全員免費(fèi)可用，絲滑語(yǔ)音交互的 ChatGPT 這把贏(yíng)麻了

作者：李寶珠 & 十九 編輯：三羊 OpenAI 發(fā)布 GPT-4o，ChatGPT 基于GPT-4o 實(shí)現(xiàn)了語(yǔ)音交互，并在文本與視覺(jué)能力上有顯著提升。從 5 月初爆出將在 9 日發(fā)...
閱讀原文

GPT-4o深夜炸場(chǎng)！AI實(shí)時(shí)視頻通話(huà)絲滑如人類(lèi)，Plus功能免費(fèi)可用，奧特曼：《她》來(lái)了

夢(mèng)晨 克雷西 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI不開(kāi)玩笑，電影《她》真的來(lái)了。 OpenAI最新旗艦大模型GPT-4o，不僅免費(fèi)可用，能力更是橫跨聽(tīng)、看、說(shuō)，絲滑...
閱讀原文

跟著開(kāi)源的InternVL，學(xué)習(xí)如何做自己的GPT-4V

隨著人工智能生成內(nèi)容（AIGC）的快速發(fā)展，多模態(tài)大型語(yǔ)言模型（MLLM）在理解和生成結(jié)合視覺(jué)與語(yǔ)言的信息方面展現(xiàn)出巨大潛力。然而，現(xiàn)有的開(kāi)源MLLM與商業(yè)模...
閱讀原文

14 項(xiàng)任務(wù)測(cè)下來(lái)，GPT4V、Gemini等多模態(tài)大模型竟都沒(méi)什么視覺(jué)感知能力？

AIxiv專(zhuān)欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過(guò)去數(shù)年，機(jī)器之心AIxiv專(zhuān)欄接收?qǐng)?bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級(jí)實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)...
閱讀原文

HuggingFace燒錢(qián)做了一大批實(shí)驗(yàn)，揭示多模態(tài)大模型哪些trick真正有效

夕小瑤科技說(shuō) 原創(chuàng)作者 | 謝年年構(gòu)建多模態(tài)大模型時(shí)有很多有效的trick，如采用交叉注意力機(jī)制融合圖像信息到語(yǔ)言模型中，或直接將圖像隱藏狀態(tài)序列與文本嵌入...
閱讀原文

AI教母李飛飛首次創(chuàng)業(yè)！成立“空間智能”公司，已完成種子輪

明敏 克雷西 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAIAI教母李飛飛，創(chuàng)業(yè)了！ 最新消息，斯坦福大學(xué)教授李飛飛正在建立一家AI公司，已完成種子輪融資。 公司方向定...
閱讀原文

參數(shù)量不到10億的OctopusV3，如何媲美GPT-4V和GPT-4？

AIxiv專(zhuān)欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過(guò)去數(shù)年，機(jī)器之心AIxiv專(zhuān)欄接收?qǐng)?bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級(jí)實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)...
閱讀原文

字節(jié)提出視覺(jué)基礎(chǔ)模型ViTamin，多項(xiàng)任務(wù)實(shí)現(xiàn)SOTA，入選CVPR2024

文章轉(zhuǎn)載自公眾號(hào)：量子位，本文只做學(xué)術(shù)/技術(shù)分享，如有侵權(quán)，聯(lián)系刪文。 視覺(jué)語(yǔ)言模型屢屢出現(xiàn)新突破，但ViT仍是圖像編碼器的首選網(wǎng)絡(luò)結(jié)構(gòu)。 字節(jié)提出新基...
閱讀原文

字節(jié)發(fā)布視覺(jué)基礎(chǔ)模型ViTamin，多項(xiàng)任務(wù)實(shí)現(xiàn)SOTA，入選CVPR2024

允中 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI視覺(jué)語(yǔ)言模型屢屢出現(xiàn)新突破，但ViT仍是圖像編碼器的首選網(wǎng)絡(luò)結(jié)構(gòu)。 字節(jié)提出新基礎(chǔ)模型——ViTamin，專(zhuān)為視覺(jué)語(yǔ)言時(shí)代...
閱讀原文

西安交大發(fā)表魯棒視覺(jué)問(wèn)答綜述，揭秘AI視覺(jué)問(wèn)答的“超強(qiáng)大腦”丨IEEE TPAMI

2024年2月，西安交通大學(xué)智能網(wǎng)絡(luò)與網(wǎng)絡(luò)安全教育部重點(diǎn)實(shí)驗(yàn)室與陜西省大數(shù)據(jù)知識(shí)工程實(shí)驗(yàn)室（跨媒體知識(shí)融合與工程應(yīng)用研究所）師生，在人工智能頂級(jí)期刊IEEE...
閱讀原文
1…7891011…20