39页视觉问答（VQA）和视觉推理综述论文来了！涉及近30个数据集，50多种经典方法，VQA终于学会了！
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
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！
...
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！
...
三个超变态的AI网站，能提前让你过上退休生活！！！
...
炸裂：上海保姆机器人要上岗！人工智能机器人
...
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！
...
AI可解释性综述来了，神经网络的黑盒性质经常被许多学者Diss，而可解释性方法让AI不在是完全黑盒！
...
黄仁勋 下一波AI是物理人工智能，它需要......来实现 ！人工智能技术
...
未来20年将改变世界的20大新科技：通用人工智能（AGI）、基因编辑、量子计算、脑机接口、人形机器人、生成式AI、人造子宫、纳米技术、物联网
...
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！
...
世界不再有长期，因为五年后的世界将大变样！人工智能
...
震惊：人工智能医院和人工智能医生来了！
...
9位Science院士联名发表人工智能发展长篇综述，涵盖了智能计算的基础理论，智能计算融合的重要应用和挑战！
...
中山大学学者提出新的视觉Transfomer结构DilateFormer，减少70%计算量的同时性能更优！目前已开源！
...
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！
...
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！
...
清华顶级学霸｜拉斯特炫神教你如何读论文，学会后一晚上读50篇论文！
...
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！
...
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!
...
Diffusion Model 可以用来进行图像数据增强了！卡内基梅隆大学学者提出DA-Fusion方法，提升了数据增强产生多样性高级语义样本的能力！
...
幻方发布超强多模态LLM DeepSeek-VL！支持代码，文档OCR等！
...
NEURA 与 NVIDIA 携手重新定义机器人技术的未来！
...
“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！
...
当AI进入医学，会有多少人失业？LLaVA-Med为何性能这么好？
...
30个AI工具提效神器我给你找全了
...
Kaiming He团队在多模态领域提出的FLIP，结合MAE Masking Image 策略与CLIP，保证精度的同时 大幅提升训练效率！
...
新年大礼包，图像分割领域近230页综述开源了！涵盖图像语义分割，实例分割以及3D视频分割等多种场景，涵盖了近百种经典算法，30多个开源数据集！
...
花了一周时间整理的多模态领域经典必读论文30篇，赶紧点赞收藏！
...
开源MixTeX重大更新，干翻mathpix！！
...
CVPR 2023，EVA升级，智源开源更强的视觉预训练模型EVA-2，Vit-L Imagenet精度达到90+！
...
GPT4o-mini：为什么模型越做越小
...
最新用于医疗图像的Difussion模型大综述，涵盖155篇相关论文，从2021到最近的所有Difussion方法均有涉及！
...
里斯本大学学者提出检索增强的Image Captioning 方法，可以在预训练图文编码器的基础上进一步提升Caption性能！
...
LLama3.1：Meta给了李彦宏一记耳光
...
最全的30页Loss函数总结综述来了，包含30多种损失函数，涉及分类，回归，Ranking等！
...
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！
...
如何蒸馏小模型？28页知识蒸馏综述来了，涉及近30蒸馏方案，需要的同学快来领取！
...
OpenAI绝密文件泄露：2027年实现AGI，人工智能觉醒即将到来
...
继EMO之后又火了！阿里提出Image-to-Video新框架AtomoVideo！
...
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！
...
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！