支持语音，图像，文本，音乐等模态输入！上海AI Lab提出任意多模态语言模型AnyGPT！
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
【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
...
文本引导的虚拟试衣来了，多模态在时尚领域的又一杀器！一键更换模特服装！目前代码模型已开源！
...
Mamba卷到多模态了！基于Mamba的多模态大语言模型VL-Mamba来了！
...
讲座08 | 面向多模态大模型的具身智能平台LEGENT——清华大学THUNLP lab在读博士胡锦毅
...
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！
...
【多模态+大模型+知识图谱】2024完整版：这绝对是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
...
InternVL 多模态模型语音功能小剧透！
...
“AI读心术”来了，日本学者基于Stable Diffusion模型提出了一个大脑视觉信号重建图像的研究，效果惊人！目前已被CVPR 2023接收！
...
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！
...
微软提出了KOSMOS-G，利用MLLM来指导通用视觉-语言输入生成图像！！
...
【多模态+知识图谱】半天居然就跟着博士从零构建知识图谱！基于知识图谱的六大项目实战！医药问答系统、知识抽取、推荐系统、Neo4j数据库、大模型
...
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！！！
...
LLaVA+SEEM+GLIGEN，微软提出多模态交互原型Demo LLaVA-Interactive！
...
如何设计和使用多模态评估任务来评估学习者的语言能力
...
深度学习最热方向！今年最全的多模态大模型综述来啦！-神经网络/大模型/LLM
...
任意文献PDF内容，30秒自动生成思维导图，助力科研学习每一天！
...
我居然只花一小时就学懂了如何通过重编程LLM进行时间序列预测！论文解读，附原文＋代码！！！（llm大模型/跨模态交互/时序预测/人工智能）
...
AI模型的大一统！微软多模态组提出了多模态领域杀疯了的多边形战士BEIT V3!多项视觉，多模态任务达到SOTA!
...
1分钟内快速完成学术润色，全网最简易论文润色教程来啦！
...
上海AI Lab提出无需训练的条件引导文本到视频生成方法ConditionVideo！！
...
当医学图像遇上SAM，会产生什么样的火花，基于SAM的医学图像分割finetune框架来了，附代码！
...
继EMO之后又火了！阿里提出Image-to-Video新框架AtomoVideo！
...
【通往AGI值得探索的方向：具身智能】北大董豪精讲具身智能关键技术研究：操纵、决策、导航！多模态大模型、机器人
...
CLIP可以直接拿来做文本检测了！腾讯优图提出TCM结构，文本检测能力在多个数据集上均有较大提升！目前以被CVPR2023接收！
...
斯坦福大学AI博士，揭秘最新多模态AI - 杨俊睿 Jackie，MAUI
...
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！
...
炸裂：上海保姆机器人要上岗！人工智能机器人
...
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！
...
54亿视觉注释数据集FLD-5B横扫CV各种任务！微软提出视觉基础模型Florence-2！
...
解锁CLIP长文本能力！即插即用替换CLIP！上海AI Lab提出Long-CLIP！
...
【脑客中国·科研】第155位讲者 | 王杰：多模态磁共振成像与脑科学
...
字节联合浙大提出新的视频语言预训练模型TemPVL，能够显著提升下游多模态视频理解任务性能！
...
清华智源基于LLM提出更全面精细的多模态图文数据集CAPSFUS-120M！
...
【全256集】多模态方向是不是同时得学nlp和cv？2024（最新）多模态大模型教程VIT、Clip、SAM等模型实战，由我精讲多模态大模型原理！
...
最强视觉backbone网络ConvNext v2来了！Meta AI融合了视觉掩码自监督框架，提出新的新的SOTA算法！目前代码和模型已开源！
...
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！
...
【面壁学术沙龙】第5期：多模态大模型 偏好对齐
...
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！
...
阿里多模态团队基于OFA多模态预训练模型，提出最强中文OCR模型，效果惊艳！
...
阿里达摩院提出了新的多边形战士模型mPLUG-2，在各种视觉，文本以及多模态任务上均取得不错的性能，超过BEIT V3和EVA！