Meta推出多模态模型Apollo：擅长处理长视频，能够在长达一小时的视频中保持高效的理解能力
模型

尽管视频感知能力已经迅速集成到大型多模态模型（LMMs）中，但其驱动视频理解的基...
6天前 34
StreamChat：增强大型多模态模型（LMMs）与流媒体视频内容的交互能力
新技术

香港中文大学、英伟达、上海人工智能实验室、InnoHK和香港理工大学的研究人员推出...
1周前 48
Inst-IT：增强大型多模态模型实例级理解能力
新技术

复旦大学计算机学院、上海创新学院和华为诺亚方舟实验室的研究人员提出了Inst-IT，...
2周前 52
Hugging Face发布一个用于设备上推理的2B参数小型多模态模型SmolVLM
模型

近年来，随着机器学习技术的飞速发展，视觉-语言模型（VLM）的需求不断增加。这些...
3周前 56
深度求索推出新颖自回归框架 Janus： 具有图像生成功能的 13 亿多模态模型
模型

多模态AI模型是能够理解和生成视觉内容的强大工具。然而，现有方法通常使用单一视...
2024-10-18 370
新型多模态原生模型Aria：专门设计来处理和理解多种类型的信息（文本、代码、图像和视频）
模型

Rhymes AI推出新型多模态原生模型Aria，这是一个开源的混合专家（MoE）模型，ARIA...
2024-10-11 222
大型多模态模型LLaVA-Video：专门设计来处理视频指令并进行视频内容理解
模型

字节跳动、南洋理工大学S-Lab和北京邮电大学的研究人员推出大型多模态模型LLaVA-Vi...
2024-10-05 240
新型开源大型多模态模型LLaVA-Critic：用于评估各种多模态任务的性能
模型

字节跳动和马里兰大学帕克分校的研究人员推出新型开源大型多模态模型LLaVA-Critic...
2024-10-05 180
智源研究院推出全新多模态系列模型Emu3
模型

智源研究院推出Emu3，这是一个全新的多模态系列模型，它仅使用下一个词元（Token）...
2024-09-29 158
新型多模态模型家族Molmo：专门设计用于理解和处理图像和文本数据
模型

华盛顿大学和艾伦人工智能研究所的研究人员推出新型多模态模型家族Molmo，这些模型...
2024-09-27 156
多模态模型Transfusion：能够同时处理离散数据（如文本）和连续数据（如图像）
新技术

Meta、Waymo和南加州大学的研究人员推出多模态模型Transfusion，它能够同时处理离...
2024-08-21 292
阿里推出新型大型多模态模型ConvLLaVA：专门设计用于处理高分辨率的视觉数据
新技术

清华大学和阿里巴巴的研究人员推出新型大型多模态模型ConvLLaVA，它专门设计用于处...
2024-05-27 406
没有账号？注册  忘记密码？