内容持续更新中
从专业研究员到在校学生都适用 丰色 发自 凹非寺 量子位 | 公众号 QbitAI 多模态大模型最全综述来了！ 由微软7位华人研究员撰写，足足119页—— 它从目前已经完善的和还处于最前沿的两类多模态…
视觉+音频双模态相辅相成 陈厚伦 投稿 量子位 | 公众号 QbitAI 只需一句话描述，就能在一大段视频中定位到对应片段！ 比如描述“一个人一边下楼梯一边喝水”，通过视频画面和脚步声的匹配，新方法一…
性能已达到GPT-4V的85% 克雷西 发自 凹非寺 量子位 | 公众号 QbitAI GPT-4的视觉能力还没全量放开测试，开源对手就隆重登场了。 浙大竺院的一位校友，与微软研究院等机构合作推出了新…
提出位置建模新方法 张傲 投稿 量子位 | 公众号 QbitAI 多模态大模型集成了检测分割模块后，抠图变得更简单了！ 只需用自然语言描述需求，模型就能分分钟标注出要寻找的物体，并做出文字解释。 在其…
