LLaVA-Grounding：实现大型多模态模型的基于视觉的聊天
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
多模态协同学习模型
...
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
...
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
...
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
...
LEGO:Language Enhanced Multi-modal Grounding Model
...
Merlin：赋予多模态大型语言模型未来洞察力
...
大型语言模型在上下文学习中的可靠性提升：结合监督知识的方法
...
PixelLLM：通过像素对齐实现视觉语言模型的精确定位
...
LLaVA-Interactive: 一种多模态人机交互研究原型
...
蜜蜜蜂：一种局部增强的多模态大型语言模型投影器
...
Vary: 大型视觉语言模型视觉词汇扩展新方法
...
基于CapsFusion的高质量多模态预训练数据生成
...
大规模语言模型在多模态音乐理解与生成中的应用
...
FIND：通用接口实现跨模态任务的高效对齐与交互
...
多模态模型对齐与强化学习从人类反馈优化
...
Set-of-Mark Prompting Unleashes Extraordinary Visual Grounding in GPT-4V
...
通用视觉基础模型：多任务学习实现高效零样本迁移
...
LLaVA-Plus: Learning to Use Tools for Creating Multimodal Agents
...
LLM360：推动全透明开源大型语言模型研究
...
DiffMorpher：释放扩散模型潜能实现平滑图像变形
...
多模态指令图像生成：Instruct-Imagen模型的创新与应用
...
智能手机应用操作的多模态智能代理框架
...
基于多模态工具的大型语言模型控制系统ControlLLM
...
大型语言模型生成内容质量自评估提升选择性生成
...
对比解码提升大型语言模型推理能力
...
分布式大型语言模型的互联网低成本推理与微调
...
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
...
人工智能视觉语言模型对视觉错觉的感知
...
大规模多模态模型扩展研究
...
大型语言模型作为优化器
...
Sorted LLaMA: 动态推理解锁大型语言模型中间层潜力
...
多模态大型语言模型Gemini在常识推理中的表现评估
...
大型语言模型潜在知识发现的挑战
...
【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
...
大型语言模型：从训练到推理的全面综述
...
基于统一视觉语言模型的图像和视频混合学习
...
Densely Captioned Images: 评估视觉语言模型的新基准
...
基于个性化教学原理的关闭源LLMs模型蒸馏方法
...
面向潜扩散模型的高效量化策略