关键词: 微软AI,Florence-2,视觉模型,Hugging Face

等了半年，微软视觉基础模型Florence-2终于开源了。它能够根据提示，完成字幕、对象检测、分割等各种计算机视觉和语言的任务。网友们实测后，堪称「游戏规则改变者」。

关键词: GPT-4,视觉大模型,对齐,AI,模型训练

不用打标签，也能解决视觉大模型的偏好对齐问题了。

关键词: InternVL,上海AI实验室,视觉大模型,LLM

CVPR正在进行中，中国科研力量再次成为场内外焦点之一。

关键词: sora,AI,AI视觉,扩散模型

语言将是获得更智能系统的重要组成部分。

关键词: MMT-Bench,多模态,GPT-4o,视觉语言模型

GPT-4o再次掀起多模态大模型的浪潮。

关键词: 视觉语言模型,VLM,Transformer,模型训练

近些年，语言建模领域进展非凡。Llama 或 ChatGPT 等许多大型语言模型（LLM）有能力解决多种不同的任务，它们也正在成为越来越常用的工具。

关键词: AI,LSTM,Vision-LSTM,AI视觉模型,视觉大模型

与 DeiT 等使用 ViT 和 Vision-Mamba (Vim) 方法的模型相比，ViL 的性能更胜一筹。

关键词: 扩散模型,视觉模型,vHeat,模型训练,AI学术

如何突破 Transformer 的 Attention 机制？中国科学院大学与鹏城国家实验室提出基于热传导的视觉表征模型 vHeat。将图片特征块视为热源，并通过预测热传导率、以物理学热传导原理提取图像特征。相比于基于Attention机制的视觉模型， vHeat 同时兼顾了：计算复杂度（1.5次方）、全局感受野、物理可解释性。

关键词: 扩散模型,ViT,Transformer,CNN,计算机视觉

用卷积能做出一样好的效果。

关键词: 天眸芯,视觉芯片,AI芯片,AI硬件,大模型

我国在类脑计算、类脑感知两个重要方向均已取得基础性突破。