標簽:多模態理解

SignLLM

SignLLM 是創新的多語言手語生成模型,通過文字輸入生成對應的手語視頻。全球首個支持多國手語的模型,能覆蓋美國手語(ASL)、德國手語(GSL)、阿根廷手語...
閱讀原文

LongLLaVA:多模態上下文混合架構大語言模型的創新應用與特點解析

LongLLaVA是多模態大型語言模型(MLLM),基于混合架構結合Mamba和Transformer模塊,能高效處理大量圖像,特別擅長視頻理解和高分辨率圖像分析。LongLLaVA在...
閱讀原文

Imagen 3

Imagen 3是Google推出的AI圖像生成模型,可以生成高質量、逼真的圖像。Imagen 3對提示詞理解更好,可捕捉更多細節,生成更廣泛的視覺風格。基于谷歌的文生圖...
閱讀原文

mPLUG-Owl3

mPLUG-Owl3是阿里巴巴推出的先進通用多模態大模型,專為理解和處理多圖及長視頻設計。在保持準確性的同時,顯著提升了推理效率,能在4秒內分析完2小時電影。
閱讀原文
123