Emu3：统一理解和生成的多模态大模型
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
VILA-U：端到端的统一理解和生成任务的多模态大模型
...
Qwen2-VL：支持任意精度图片以及视频输入的开源大模型系列
...
Fluid：使用连续token表示，随机顺序生成的自回归文生图模型
...
Janus：基于分离视觉编码器的统一理解与生成的多模态大模型
...
LLaMA-omni：低延时的语言交互多模态大模型
...
【NeurIPS2024 Oral】VAR：使用next scale prediction，基于自回归架构的图片生成模型
...
LLaVA-MoD：基于知识蒸馏的小多模态大模型
...
ChartMoE：使用MoE adapter的Chart理解多模态大模型
...
强到离谱！一年轻松发6篇综述SCI！B站最全SCI论文写作指导教程，研究生SCI论文从写作到发表全过程精讲，太适合小白了！人工智能|SCI|论文写作
...
SHOW-o：统一理解和生成任务的transformer
...
LLaMA3.2：LLaMA3.2大模型系列
...
transfusion：统一transformer和diffusion框架的多模态大模型
...
RAR：一个基于token shuffling的提升自回归架构图片生成模型表现的策略
...
【共享LLM前沿】假如我从11月1号开始学大模型！9小时学会搭建对话机器人办公助手、大模型预训练微调、四大多模态大模型！
...
mini-Gemini：支持高精度图片输入的多模态大模型
...
NVLM：融合LLaVA和Flamingo架构的多模态大模型系列
...
LongLLaVA:基于Jamba的多图理解多模态大模型
...
AVG-LLaVA：自适应尺度视觉特征选择的多模态大模型
...
mono-internvl：一体化的多模态大模型
...
【LLM前沿】6小时精讲四大多模态大模型CLIP BLIP VIT MLLM及对话机器人办公助手！绝对的通俗易懂的大模型应用教程！
...
Research Track 7：多模态大模型最新的一些论文
...
Open-MAGVIT2基于Lookup-free Quantization的开源图片生成模型
...
agent Q: 超强网页交互agent
...
OLMoE：基于MoE的全开源大模型
...
Research Track 4: 多模态大模型最新的一些论文
...
【导师散养不教】研究生1个月如何拿下SCI三区一作？基本套路+实操演示，手把手带你轻松搞定SCI论文！（SCI论文/SCI论文写作/人工智能）
...
Ferret-UI 2：拥有跨平台UI理解的多模态大模型
...
CogVLM2：智谱AI新一代多模态大模型系列
...
花了我6800，大模型算法工程师稳了！构建专属大模型的大模型入门到就业教程，人工智能、神经网络、transformer、视觉模型、NLP、提示工程
...
mini-omni：实时可交互语音大模型
...
GPT五步提问：一天写完一篇综述小论文
...
mPLUG-Owl3 多图理解多模态大模型
...
英伟达发布MM-Embed：融合文本和图像的跨模态信息检索新模型
...
Aria：基于MoE架构的原生多模态大模型
...
UnifiedMLLM：多任务多模态大模型
...
Cambrian-1：以视觉为中心，基于多个vision encoder的多模态大模型
...
Research Track 8：比较关注的一些论文
...
从入门到提示词工程师：全网最通俗易懂Prompt-Learning提示词学习教程！草履虫都学的会！
...
【共享LLM前沿】通俗易懂搞懂四大多模态大模型CLIP BLIP VIT MLLM及对话机器人办公助手！大模型预训练微调
...
Research Track 1：多模态大模型最新的一些论文