GPT-4V在视觉问答任务中的能力评估
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
Densely Captioned Images: 评估视觉语言模型的新基准
...
基于GPT-4V的视频理解系统MM-VID
...
多任务学习中数据不平衡问题的优化策略：预训练与联合微调
...
大型语言模型生成内容质量自评估提升选择性生成
...
基于上下文调整的检索增强生成方法
...
图神经网络何时预训练？从数据生成角度探讨
...
基于多头后验的预训练模型评估方法
...
FreeControl：实现任意文本到图像扩散模型的无训练空间控制
...
【AI Drive】大规模视觉检测任务的检测器设计与优化
...
GPT4Motion: 一种基于GPT和Blender的文本到视频生成框架
...
大规模语言模型的数学求解能力的安全性评估
...
基于视觉的灵巧操纵研究综述
...
基于3D高斯展开的实时少样本视角合成
...
多模态大型语言模型Gemini在常识推理中的表现评估
...
文本到图像一致性模型的有条件控制策略研究
...
LivePhoto：基于文本引导运动控制的真实图像动画生成
...
综述：大模型的可解释性研究
...
Video-Bench: 全面评估视频大型语言模型的基准测试和工具包
...
通用视觉基础模型：多任务学习实现高效零样本迁移
...
微量多语言数据提升多语言指令跟随能力
...
在语境学习中编辑事实知识：方法、策略与挑战
...
SOTOPIA-$π$: Interactive Learning of Socially Intelligent Language Agents
...
基于潜在变量推断的训练链式思维提升语言模型推理能力
...
思想设计：破解复杂问题的关键
...
Vary: 大型视觉语言模型视觉词汇扩展新方法
...
基于认知树的小型语言模型推理能力提升
...
动物伪装研究: 评估和生成有效的伪装图像和视频
...
PromptBench：全面评估大型语言模型的统一框架
...
RoboVQA: Multimodal Long-Horizon Reasoning for Robotics
...
DeepCache：无需训练加速扩散模型的创新方法
...
无需相机参数的3D高斯散射：COLMAP-Free 3DGS实现稳健的视角合成与姿态估计
...
多模态基础模型研究综述
...
多模态大型语言模型深度比较：Gemini与GPT-4V的全面评估与结合
...
单张图像到3D的高效生成：基于分摊生成的3D高斯模型
...
FIND：通用接口实现跨模态任务的高效对齐与交互
...
大规模语言模型结合神经符号模型的生成型神经符号视觉推理
...
开源指令生成：用开源代码提升代码生成模型性能
...
语言模型对齐新方法：基于对比不似然训练的判断反馈
...
基于科学图像分析GPT-Vision的生成能力和局限性
...
基于文本到图像扩散模型的文本到视频生成架构研究