亚马逊学者提出了既能看又能读的多模态场景理解模型，支持传统的VQA以及文本VQA！
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
仅需0.5M！可集成任意扩散模型！字节提出灵活分辨率适配器ResAdapter！
...
斯坦福大学AI博士，揭秘最新多模态AI - 杨俊睿 Jackie，MAUI
...
继EMO之后又火了！阿里提出Image-to-Video新框架AtomoVideo！
...
图像+音频驱动的口播视频生成！谷歌提出VLOGGER！
...
Mamba卷到多模态了！基于Mamba的多模态大语言模型VL-Mamba来了！
...
ChatSpot:更精确的带参考坐标多模态指令微调，目前已开源！#计算机 #论文 #nlp #ai #chatgpt
...
InternVL 多模态模型语音功能小剧透！
...
多模态还能助力NLP任务！上交学者提出TILT方法，利用多模态检索图像增强文本表征，多项NLP下游任务达到SOTA！
...
解锁CLIP长文本能力！即插即用替换CLIP！上海AI Lab提出Long-CLIP！
...
解锁CLIP长文本能力！即插即用替换CLIP！上海AI Lab提出Long-CLIP！
...
一小时深度解析【Sora分析】视频生成模型，如何做到文本生成视频？详解背后的技术原理与应用案例！！！
...
开源AI项目爆火！大叔秒变少女，GitHub狂揽7.9K星 | 零度解说
...
腾讯优图提出啄木鸟（Woodpecker）：无需训练即可矫正多模态大语言模型的幻觉问题！
...
阿里发布最强中文图文多模态模型：Chinese CLIP，基于两亿中文图文多模态数据！
...
字节联合爱丁堡大学学者提出新的多模态预训练方法MUG，结合MAE和Caption生成
...
阿里提出用于视频文本理解的高效多模态模型MuLTI，通过设计了Multiway Sampler和多项选择建模任务 在多项视频理解任务上达到新SOTA！
...
原来AI真的能生成高颜值美女，快来试试多模态生成模型吧！
...
【多模态+大模型+知识图谱】2024最好创新的研究方向！绝对是B站最全的教程，论文创新点终于解决了！——人工智能|深度学习|aigc|计算机视觉
...
几秒钟完成图像定制化生成！清华联合腾讯提出无需微调的AIGC新框架！
...
SAM+扩散模型让图片中的对象动起来！腾讯提出RegionMaker！
...
微软学者整理了100页图文多模态预训练综述，涉及各种多模态模型和应用，并且附带视频教程，需要的同学快来领取！
...
给多模态加Buffer，GNN在视觉语言下游任务的应用综述来了！包含125篇相关论文，涉及Image Captioning，VQA，Retrieval三大方向！
...
超过IP-Adapter！中科大提出超保真ID个性化AIGC新方法Infinite-ID！
...
即插即用的inpainting模型！腾讯提出BrushNet！
...
谷歌提出利用语言大模型重写caption来提升图文多模态预训练模型，简单技巧即可提升CLIP多项zeroshot 性能！代码已开源！
...
亚马逊学者提出Zero-Shot计数新方法！利用预训练的生成模型生成类别原型特征，然后进行patch最邻近搜索，效果远超之前方法！
...
NVIDIA放大招了！在生成模型基础上提出Action-GPT：利用GPT实现任意文本生成动作！效果绝了！
...
Adobe提出超越Stable Diffusion的GAN网络，10亿参数量模型速度吊打Stable Diffusion！目前已被CVPR2023接收！
...
中科大提出All-in-One多模态预训练方法，利用统一的多模态互信息提升多模态性能，下游检测分割性能超过BEIT V3！
...
谷歌基于多模态预训练模型，提出了一种开放词汇的时序动作检测模型，可以检测视频中任意动作！性能远超之前方法！
...
Stability AI又放大招了！基于SD3蒸馏更快的文生图模型SD3-Turbo！
...
见识一下ChatGPT-4o强大的识图能力！细节不但拉满，还能对图片进行分析并打分！
...
【NeurIPS 2023】华为诺亚提出新的YOLO检测模型:Gold-YOLO,达到YOLO系列新SOTA!!
...
微软联合北大提出了首个用于音视频联合生成的多模态扩散模型MM-Difussion！可以给定视频生成音频或给定音频生成视频！
...
精选【人工智能课程】大模型时代 如何学习人工智能?零基础学习教程！人工智能学习路线 人工智能就业方向 人工智能 大模型 多模态技术路线 人工智能项目开发
...
SAM+CLIP，会擦出什么样的火花！模型组合大法霸榜图像分割Zero-Shot!
...
Mamba再下一城！上海AI Lab提出视频领域新SOTA VideoMamba！
...
微软亚研提出了小模型蒸馏方法TinyMIM！MIM预训练小模型性能提升4个百分点！目前模型和代码均已开源！
...
DeepMind提出De-Diffusion，仅使用图像数据提升多项多模态任务性能！
...
鹏城实验室开放了45页多模态预训练大模型综述！总结了近5年多模态预训练相关的算法和数据！多模态预训练学习包！