标签:视觉
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...
RACV2023观点集锦 | 大模型&ChatGPT对计算机视觉的影响
夕小瑶科技说 分享来源 | CCF计算机视觉专委会 引言 随着ChatGPT热潮袭来,大模型如何在计算机视觉里发挥重要作用、如何应用大模型服务各种视觉任务、如何借...
阿里云AI大模型通义千问通过备案,今日正式向全社会开放!
随着ChatGPT的快速进化吸引了全球网友的眼球,国内厂商也纷纷表示将推出相似的产品。而在前段时间,小编曾给大家整理过现在已经宣布推出的国产AI,包括百度“...
Meta发布大规模视觉模型评估基准FACET!开源视觉模型DINOv2允许商用
夕小瑶科技说 原创作者 | 谢年年近日,Meta宣布开源计算机视觉模型DINOv2现在可商业化应用了,并发布了全新的视觉模型评估新基准FACET。DINOv2是Meta AI继「...