标签：视觉

夕小瑶科技说 原创作者 | 付奶茶家人们！十一假期第1天， OpenAI一年一度的开发者大会又来了惹！今年的开发者大会分成三部分分别在美国、英国、新加坡三个地...

梦晨 发自 凹非寺量子位 | 公众号 QbitAI奥特曼：认为自己比o1更聪明的请举手。（台下一些人举手）奥特曼：到了o2你们还会这么想么？（汗流浃背了） 这一幕，...

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...

开讲预约导读原文来自知乎，作者为jewellery，标题为《多模态大模型技术点总结》。作者对BLIP-2、InstructBLIP、LLaVA、LLaVA-1.5、MiniGPT-4、MiniGPT-v2、Q...

点击上方蓝字关注我们“著名导演詹姆斯·卡梅隆将加入人工智能公司Stability AI的董事会，助力该公司在生成AI与视觉特效结合的前沿探索。这一合作引发了好莱坞...

新智元报道编辑：LRS 【新智元导读】NVLM 1.0系列多模态大型语言模型在视觉语言任务上达到了与GPT-4o和其他开源模型相媲美的水平，其在纯文本性能甚至超过了L...

茕茕 发自 凹非寺量子位 | 公众号 QbitAI阿里开源，又拿第一了。 这次是在多模态领域： 就在刚刚，阿里国际AI团队开源多模态大模型Ovis1.6。在多模态权威综合...

新智元报道编辑：LRS 【新智元导读】MMMU-Pro通过三步构建过程（筛选问题、增加候选选项、引入纯视觉输入设置）更严格地评估模型的多模态理解能力；模型在新...

mPLUG团队 投稿量子位 | 公众号 QbitAI高效多页文档理解，阿里通义实验室mPLUG团队拿下新SOTA。 最新多模态大模型mPLUG-DocOwl 2，仅以324个视觉token表示单...

明敏 发自 凹非寺量子位 | 公众号 QbitAIMistral的多模态大模型来了！ Pixtral 12B正式发布，同时具备语言和视觉处理能力。 它建立在文本模型Nemo 12B基础上...

点击上方蓝字关注我们“法国 AI 初创公司 Mistral 发布其首款多模态模型 Pixtral 12B，挑战 OpenAI 和 Anthropic 等竞争对手。法国初创公司 Mistral AI 正式发...

演讲嘉宾｜冯佳时 编辑 ｜蔡芳芳 策划 ｜ AICon 全球人工智能开发与应用大会 近年来，大语言模型 (LLMs) 在文本理解与生成领域取得了显著进展。然而，LLMs 在...

梦晨 发自 凹非寺量子位 | 公众号 QbitAI大模型时代，有个大家普遍焦虑的问题：如何落地?往哪落地? 聚光灯下最耀眼的OpenAI，最近也先被曝出资金告急，后又寻...

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术...