-
阿里巴巴开源最新多模态模型Qwen2-VL,性能超越GPT-4o和Claude3.5-Sonnet
阿里巴巴开源了最新视觉多模态模型Qwen2-VL,性能超越GPT-4o和Claude3.5-Sonnet,支持多语言,并可商业化使用。Qwen2-VL API发布,帮助开发者增强多模态功能的生成式AI应用。- 809
- 0
-
美团基础研发平台视觉智能部与中科院计算所展开科研课题合作
美团基础研发平台视觉智能部与中科院计算所合作构建大规模数据集Food2K,提出渐进式区域增强网络用于食品图像识别,相关研究成果已发表于T-PAMI 2023。本文介绍了数据集特点、方法设计、性能对比,以及基于该数据集的迁移实验,并展望了Food2K的未来工作。- 129
- 0
-
探索GPT-4V(ision): 多模态大模型的新前沿
本文深入探索和分析了最新的GPT-4V(ision)模型,旨在加深我们对多模态大模型的认识。通过一系列精心设计的测试样本,评估GPT-4V在不同领域和任务上的表现,以及其在处理多种输入模式的能力。此外,讨论了基于GPT-4V系统的新兴应用场景和未来研究方向。- 885
- 0
-
让AI模型成为GTA五星玩家,基于视觉的可编程智能体Octopus来了
Octopus是一种基于视觉的可编程智能体,通过视觉输入学习,理解真实世界,并以生成可执行代码的方式完成各种实际任务。本文介绍了Octopus的训练过程、实验结果以及对现有模型的性能评估。- 75
- 0
-
南洋理工大学、清华大学发布视觉可编程智能体Octopus:GTA五星好市民
南洋理工大学和清华大学发布了视觉可编程智能体Octopus,该智能体能在GTA游戏中成为五星好市民,执行任务并完成家务活动。- 167
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!