多模态大语言模型Groma：具备精细化和定位化的视觉感知能力
新技术

来自香港大学和字节跳动的研究人员推出多模态大语言模型Groma，它具备精细化和定位...
2024-04-22 410
多模态大语言模型LITA：专门设计来处理视频中的时间定位问题
新技术

英伟达推出多模态大语言模型LITA（Language Instructed Temporal-Localization As...
2024-03-29 434
多模态问答系统Lumos：结合场景文本识别和多模态大语言模型
新技术

来自Meta Reality Labs的研究人员推出了多模态问答系统Lumos，这是一个结合了场景...
2024-02-15 336
没有账号？注册  忘记密码？