AI资讯新闻榜单内容搜索-多模态模型

关键词: 文生图,Pika,MLLM,多模态模型,扩散模型

近日，北大、斯坦福、以及Pika Labs发布了新的开源文生图框架，利用多模态LLM的能力成功解决文生图两大难题，表现超越SDXL和DALL·E 3

关键词: 多模态,MGIE,ChatGPT,Ajax,AppleGPT

最近，来自UCSB和苹果的华人团队提出了MGIE，通过多模态模型引导图像精准编辑，可以10秒完成P图。

关键词: 多模态模型,LMMs,GPT

华中科技大学联合华南理工大学、北京科技大学等机构的研究人员对14个主流多模态大模型进行了全面测评，涵盖5个任务，27个数据集。

关键词: MM-Interleaved,多模态模型,特征同步器,模型训练

过去几个月中，随着 GPT-4V、DALL-E 3、Gemini 等重磅工作的相继推出，「AGI 的下一步」—— 多模态生成大模型迅速成为全球学者瞩目的焦点。

关键词: MiniCPM,Mistral-7B,Llama2-13B,token,小模型

2B性能小钢炮来了！刚刚，面壁智能重磅开源了旗舰级端侧多模态模型MiniCPM，2B就能赶超Mistral-7B，还能越级比肩Llama2-13B。成本更是低到炸裂，170万tokens成本仅为1元！

关键词: CVCL,对比学习模型,AI学习模型,多模态模型

有助于构建下一代多模态人工智能系统、开发能以更像人类的方式学习语言的人工智能系统。

关键词: 多模态模型,LLM,SOTA

多模态大型语言模型进展如何？盘点 26 个当前最佳多模态大型语言模型。

关键词: 多模态模型,MLLM,GPT-4V,Gemini

马里兰大学联合北卡教堂山发布首个专为多模态大语言模型（MLLM）设计的图像序列的基准测试Mementos，涵盖了真实世界图像序列、机器人图像序列，以及动漫图像序列，用4761个多样化图像序列的集合，全面测试MLLM对碎散图像序列的推理能力！

关键词: LaVIT,ICLR 2024,DALLE-3,多模态模型

动态视觉分词统一图文表示，快手与北大合作提出基座模型 LaVIT 刷榜多模态理解与生成任务。

关键词: WebVoyager,多模态,LLMs,LLM

借助强大多模态模型，开创全新的网络智能体 Hongliang He1,3∗, Wenlin Yao2, Kaixin Ma2, Wenhao Yu2, Yong Dai2, Hongming Zhang2, Zhenzhong Lan3, Dong Yu2 1 浙江大学，2 腾讯 AI 实验室，3 西湖大学