京东 11.11 红包
mPLUG-DocOwl2：多页多模态文档理解大模型
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
LLaVA-MoD：基于知识蒸馏的小多模态大模型
...
SlowFast-LLaVA：无需训练的视频理解多模态大模型
...
ChartMoE：使用MoE adapter的Chart理解多模态大模型
...
VILA-U：端到端的统一理解和生成任务的多模态大模型
...
OMG-LLaVA：拥有segmentation能力的视觉多模态大模型
...
transfusion：统一transformer和diffusion框架的多模态大模型
...
Qwen2-VL：支持任意精度图片以及视频输入的开源大模型系列
...
LongLLaVA:基于Jamba的多图理解多模态大模型
...
UnifiedMLLM：多任务多模态大模型
...
【共享LLM前沿】通俗易懂搞懂四大多模态大模型CLIP BLIP VIT MLLM及对话机器人办公助手！大模型预训练微调
...
1小时使用RAGFlow+Ollama构建本地知识库！采用OCR和深度文档理解结合的新一代RAG引擎，windows、docker
...
eagle：多个Vision Encoder的多模态大模型
...
mPLUG-Owl3 多图理解多模态大模型
...
LLaMA-omni：低延时的语言交互多模态大模型
...
Research Track 5：多模态大模型最新的一些论文
...
Research Track 3：多模态大模型最新的一些论文
...
MM-ICL：关于多模态In Context Learning的消融实验
...
CogVLM2：智谱AI新一代多模态大模型系列
...
Emu3：统一理解和生成的多模态大模型
...
大模型项目失败的十大原因（一）
...
Ferret-UI 2：拥有跨平台UI理解的多模态大模型
...
phi-3.5：微软大模型系列
...
Research Track 2: 多模态大模型最新的一些论文
...
Janus：基于分离视觉编码器的统一理解与生成的多模态大模型
...
使用RAGFlow+Ollama搭建超好用的中文知识库！基于OCR和文档解析的RAG，多模态大模型、人工智能
...
BLIP3: 抛弃Q-former的BLIP
...
【AI虚拟伙伴】对接本地Ollama VLM教程 图像识别多模态大模型推荐
...
Points: 融合多个优化策略的多模态大模型
...
agent Q: 超强网页交互agent
...
mini-omni：实时可交互语音大模型
...
【自学大模型】9小时学懂大模型预训练微调及四大多模态大模型！讯飞大佬通俗易懂讲解如何构建对话机器人办公助手！RLHF、transformer、CLIP、ViT
...
mini-Gemini：支持高精度图片输入的多模态大模型
...
AVG-LLaVA：自适应尺度视觉特征选择的多模态大模型
...
大模型项目失败的十大原因（二）
...
GameNGen：使用diffusion model做的游戏引擎
...
Qwen2_math
...
Research Track 7：多模态大模型最新的一些论文
...
Allegro：开源的SOTA视频生成模型
...
【史上最全SD教程】秋叶StableDiffusion整合包 AI绘画零基础入门到精通商业实战课程 2024最新版 AIGC保姆级课程 人工智能绘图画图商业变现
...
NVLM：融合LLaVA和Flamingo架构的多模态大模型系列