看得懂图片，又一个多模态大模型MiniGPT4发布仅用4块A100训练10小时MiniGPT4的原理很简单整合了BLIP-2和Vicuna，通过BLIP-2将图片转为文字描述，再用Vicuna基于这个文字描述进行内容创作。因…

发布时间: 2023-04-18 09:08:41

1分

数据加载中

关注推特

收听电报

看得懂图片，又一个多模态大模型MiniGPT4发布
仅用4块A100训练10小时
MiniGPT4的原理很简单整合了BLIP-2和Vicuna，通过BLIP-2将图片转为文字描述，再用Vicuna基于这个文字描述进行内容创作。
因…
推特中文圈
( twitter.com )

2年前由 nash_su 提交

Markdown支持

评论加载中...

您可能感兴趣的：更多

可以拿这图去测试各大模型的多模态能力😄
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

推荐阅读：《多模态和多模态大模型 (LMM)[译]》
这是一篇相当详尽的讲述多模态和多模态大模型的文章！内容分为三部分。
* 第 1 部分围绕多模态的概念展开，讲述了使用多模态的原因、不同类型的数据模态以及多模态任务的种类。
* 第 2 部分深入探讨了多模态系统的核心原理，以 CLIP 和 Flamingo…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

你跟钢铁侠就差一块3090
微软开源JARVIS，又称大模型和他的朋友们
利用ChatGPT分析需求自动调用其他模型拆分解决任务的程序，微软开源了。
原理很简单，如实现多模态方法：
用户：图中有几个斑马。模型会分析需求调用图像识别…
推特中文圈
( twitter.com)

2年前 • nash_su • -- 点击 0 评论

🎉AI的多模态时代已经来临！如今，大型语言模型让AI具备了思考的能力，以下的一些出色项目则赋予了AI感知的能力，让它能听、看、说、画画、制作视频等。

它们是各种多模态Agent，可以处理文档📄、图片🖼️、音频🎵、视频🎥等，一切只…
IT技术
( twitter.com)

1年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

多模态大战终于要来了吗？OpenAI被曝加急训练多模态大模型Gobi，剑指谷歌Gimini
大陆资讯
( www.myzaker.com)

1年前 • 喊妈妈 • -- 点击 0 评论

闪电预览

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。这个模型的效率要比原有的satble diffusion效率要高很多。
我尝试了一下，看起…
推特中文圈
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

DynamicWang 的新模型AWPortrait1.1即将在6月发布，这个模型可以生成高质量摄影风格的图片，期待！😊
可以在DynamicWang的C站页面查看他的作品和模型：…
IT技术
( twitter.com)

1年前 • sundyme • -- 点击 0 评论

【AI变鉴片大师，多模态大模型挑战超长3小时视频】包括GPT-4V等在内的同类模型基本只能处理图像。贾佳亚团队的LLaMA-VID支持单图、短视频和长视频三种输入，只通过一个非常简单的办法就达成了如上能力，那就是：单帧画面压缩到只用2个token编码。
大陆资讯
( www.qbitai.com)

1年前 • 捂裆大湿兄 • -- 点击 0 评论

闪电预览

昨天 Google 发布了一款拥有 5620 亿参数的大模型 PaLM-E，项目网站

这是一个多模态的 LLM，它可以接受的数据包括：

- 语言（language）
- 图像（i…
推特中文圈
( twitter.com)

2年前 • indigo • -- 点击 0 评论

看得懂图片，又一个多模态大模型MiniGPT4发布 仅用4块A100训练10小时 MiniGPT4的原理很简单整合了BLIP-2和Vicuna，通过BLIP-2将图片转为文字描述，再用Vicuna基于这个文字描述进行内容创作。 因… 推特中文圈 ( twitter.com )

推特中文圈

可以拿这图去测试各大模型的多模态能力😄 IT技术 ( twitter.com)

IT技术

IT技术

推特中文圈

IT技术

多模态大战终于要来了吗？OpenAI被曝加急训练多模态大模型Gobi，剑指谷歌Gimini 大陆资讯 ( www.myzaker.com)

大陆资讯

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。 这个模型的效率要比原有的satble diffusion效率要高很多。 我尝试了一下，看起… 推特中文圈 ( twitter.com)

推特中文圈

DynamicWang 的新模型AWPortrait1.1即将在6月发布，这个模型可以生成高质量摄影风格的图片，期待！😊 可以在DynamicWang的C站页面查看他的作品和模型：… IT技术 ( twitter.com)

IT技术

大陆资讯

昨天 Google 发布了一款拥有 5620 亿参数的大模型 PaLM-E，项目网站 这是一个多模态的 LLM，它可以接受的数据包括： - 语言（language） - 图像（i… 推特中文圈 ( twitter.com)

推特中文圈

创建一个新帐户

登录

看得懂图片，又一个多模态大模型MiniGPT4发布
仅用4块A100训练10小时
MiniGPT4的原理很简单整合了BLIP-2和Vicuna，通过BLIP-2将图片转为文字描述，再用Vicuna基于这个文字描述进行内容创作。
因…
推特中文圈
( twitter.com )

可以拿这图去测试各大模型的多模态能力😄
IT技术
( twitter.com)

多模态大战终于要来了吗？OpenAI被曝加急训练多模态大模型Gobi，剑指谷歌Gimini
大陆资讯
( www.myzaker.com)

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。这个模型的效率要比原有的satble diffusion效率要高很多。
我尝试了一下，看起…
推特中文圈
( twitter.com)

DynamicWang 的新模型AWPortrait1.1即将在6月发布，这个模型可以生成高质量摄影风格的图片，期待！😊
可以在DynamicWang的C站页面查看他的作品和模型：…
IT技术
( twitter.com)

昨天 Google 发布了一款拥有 5620 亿参数的大模型 PaLM-E，项目网站

这是一个多模态的 LLM，它可以接受的数据包括：

- 语言（language）
- 图像（i…
推特中文圈
( twitter.com)