FIND：通用接口实现跨模态任务的高效对齐与交互
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
多模态模型对齐与强化学习从人类反馈优化
...
大规模多模态模型扩展研究
...
通用视觉基础模型：多任务学习实现高效零样本迁移
...
语言模型对齐新方法：基于对比不似然训练的判断反馈
...
多模态基础模型研究综述
...
PixelLLM：通过像素对齐实现视觉语言模型的精确定位
...
大规模语言模型在多模态音乐理解与生成中的应用
...
多模态协同学习模型
...
多模态模型的规模化：预训练和指导调整
...
RLHF-V: 通过细粒度纠正性人工反馈实现值得信赖的多模态大型语言模型
...
【AI Drive】天津大学副教授张长青：多模态融合的基础问题及算法研究
...
LLaVA-Grounding：实现大型多模态模型的基于视觉的聊天
...
智能手机应用操作的多模态智能代理框架
...
FineControlNet：基于空间对齐文本控制注入的图像生成细粒度文本控制
...
基于CapsFusion的高质量多模态预训练数据生成
...
蜜蜜蜂：一种局部增强的多模态大型语言模型投影器
...
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
...
VCoder：为多模态大型语言模型提供视觉编码器的多功能视觉编码器
...
“我要这样”：结合大型语言模型与约束编程实现交互式决策支持
...
ImageBind-LLM: 多种模态指令调优
...
弱到强泛化：用弱监督激发强大模型的潜力
...
多模态指令图像生成：Instruct-Imagen模型的创新与应用
...
FreeControl：实现任意文本到图像扩散模型的无训练空间控制
...
DiffMorpher：释放扩散模型潜能实现平滑图像变形
...
ICCV 2023: 迭代推理方法在分割任务中的应用
...
基于多模态工具的大型语言模型控制系统ControlLLM
...
基于上下文调整的检索增强生成方法
...
GridFormer 表结构识别方法
...
面向诚实的对齐：提升大型语言模型的知识边界意识
...
SPHINX: 一种多模态大语言模型的联合混合方法
...
神经场与触觉感知：实现机器人手部操作的视触觉感知
...
【AI Drive】ICLR 2021 - 兼听则明，信而有征：可信多模态分类
...
基于语言、任务和指标的人工智能模型的一致性分析
...
融合像素与潜在扩散模型的文本到视频生成方法
...
基于Transformer的推荐系统特征交互建模方法研究
...
【AI Drive】CVPR2021 - M^3P: 多语言与多模态在预训练中的结合
...
快速高效文本到图像生成模型
...
对比激活添加：精确操控大型语言模型行为的新方法
...
高斯涂抹文本生成三维模型
...
一种高效的后训练量化方法