标签：视觉
鼠鼠我呀，也有VR头显了！康奈尔给小鼠开颅，沉浸式研究大脑和行为
新智元报道编辑：Aeneas【新智元导读】最近，康奈尔大学的研究者们，给老鼠也戴上VR头显了。虽然拥有了VR体验，但鼠鼠们也付出了一些代价——比如，需要提前做...
ICCV'23论文颁奖“神仙打架”！Meta分割一切和ControlNet共同入选，还有一篇让评委们很惊讶
克雷西 萧箫 发自 凹非寺量子位 | 公众号 QbitAI刚刚，计算机视觉巅峰大会ICCV 2023，在法国巴黎正式“开奖”！今年的最佳论文奖，简直是“神仙打架”。例如，获...
微软最新166页测评报告：视觉模态GPT-4V到底有多强？
本文来源：机器之心一周之前，ChatGPT 迎来重大更新，不管是 GPT-4 还是 GPT-3.5 模型，都可以基于图像进行分析和对话。与之对应的，多模态版 GPT-4V 模型相...
纽大具身智能新进展：靠视觉反馈学会开罐头，任务成功率提高135%，LeCun点赞
克雷西 发自 凹非寺量子位 | 公众号 QbitAI注意看，这个机器人用手中的钳子轻松剪断了一根金属丝。盖上的铁盒子，也三下五除二就打开了。除此之外，物体抓取...
试过GPT-4V后，微软写了个166页的测评报告，业内人士：高级用户必读
机器之心报道编辑：陈萍、张倩这篇由微软撰写的报告，深入研究了GPT-4V的功能，任何想要探索GPT-4V潜力的人，都值得一读。一周之前，ChatGPT迎来，不管是 GPT...
多模态大模型综述：从专家到通用助手
文章转载自量子位，Founder Park 有所调整。多模态大模型最全综述来了！由微软 7 位华人研究员撰写，足足 119 页——它从目前已经完善的和还处于最前沿的两类多...
微软最新发布：从专家到通用AI代理，一文读懂「多模态基础模型」
视觉是人类和其他生物感知世界的主要渠道之一。人工智能（AI）的一个核心愿景是开发 AI 代理，模仿感知、生成视觉信号，与视觉世界进行互动。近日，微软研究...
马毅团队新作！微调多模态大模型会「灾难性遗忘」，让性能大减
新智元报道编辑：桃子 好困【新智元导读】马毅教授团队最新研究表明，微调多模态大语言模型（MLLM）将会导致灾难性遗忘。模型灾难性遗忘，成为当前一个关键热...
文档字越多，模型越兴奋！KOSMOS-2.5：阅读「文本密集图像」的多模态大语言模型
新智元报道编辑：LRS 好困【新智元导读】文字也是一种视觉信息，多模态大语言模型KOSMOS-2.5不光能读懂论文，还能输出markdown格式！当前一个显著的趋势是致...
多模态大模型会是未来人机交互的方向吗？
前言：目前，市面上的交互产品是以单模交互为主，尤其是语音交互。语音类产品的形态主要为语音助手。语音可以带来比按键更便捷的体验，尤其是，在行车过程中...
IEEE Fellow 张磊：普及大模型，手机端的创新很关键
大模型规模化部署的关键与难点是什么？作者｜郭 思编辑｜陈彩娴2022年底以来，以ChatGPT为代表的大模型集中爆发，实现了从无到有，从0到1的跨越。而经过近一...
多模态大模型最全综述来了！7位微软研究员大力合作，5大主题，成文119页
丰色 发自 凹非寺量子位 | 公众号 QbitAI多模态大模型最全综述来了！由微软7位华人研究员撰写，足足119页——它从目前已经完善的和还处于最前沿的两类多模态大...
OpenAI放大招“对打”谷歌Gemini：全力筹备多模态大模型，并发布新指令语言模型
编译 | 凌敏、核子可乐 这场大模型时代的较量，谁能笑到最后？ 自去年年底通过 ChatGPT 惊艳全球以来，OpenAI 一直保持着惊人的产品发布速度，通过迅如闪电的...
七次 CV 夺冠背后：颜水成与他的学生们
一波深度学习浪潮、七次世界冠军、两次转场与追随......作者 | 李梅 郭思编辑| 岑峰他们不仅乘上了 AI 的浪潮，更创造了浪潮本身。1冠军团队的诞生2007 年，...
涉水视觉：从关键技术到智能装备
机器之心专栏机器之心编辑部为什么大海是蓝色的？这个古老而又神秘的问题一直以来都让人好奇不已。在《涉水视觉》（Water-related Vision）一文中，作者从光...
粤公网安备 44011502001135号