关键词: 多模态大模型,Vary-toy,LVLM,视觉定位,图像描述

一款名为Vary-toy的“年轻人的第一个多模态大模型”来了！模型大小不到2B，消费级显卡可训练，GTX1080ti 8G的老显卡轻松运行。

关键词: MIT,AI就业,视觉AI

MIT计算机科学与人工智能实验室（CSAIL）的一项研究发现：不用担心视觉AI会很快淘汰人类打工人，因为对于企业来说，它们实在是太贵了。

关键词: Mamba,视觉大模型,VMamba

Transformer 在大模型领域的地位可谓是难以撼动。不过，这个AI 大模型的主流架构在模型规模的扩展和需要处理的序列变长后，局限性也愈发凸显了。Mamba的出现，正在强力改变着这一切。它优秀的性能立刻引爆了AI圈。

关键词: 视觉模型,AIM,苹果视觉模型

视觉模型，同样遵循「参数越多性能越强」的规律？刚刚，一项来自苹果公司的研究验证了这个猜想。

关键词: ConvNet,Transformer,Meta,视觉模型

来自MABZUAI和Meta的研究人员发表的最新研究，在「非标准」指标上全面比较了常见的视觉模型。

关键词: 视觉-语言操作大模型,RoboFlamingo,VLMs,机器人大模型

还在苦苦寻找开源的机器人大模型？试试RoboFlamingo！

关键词: AI助盲,AI感知,AI视觉

随着科技的发展，许多盲人正在借助AI提供的感知、理解与交互功能，以另一种方式重新感知世界。日前，我校软件与物联网工程学院创客荟团队研发了一款模拟触感交互控制的助盲系统，该系统通过AI技术，为盲人朋友学习带来了福音。

关键词: 视觉感知基础模型,APE

由厦门大学等机构提出的全新视觉感知基础模型APE，只需一个模型外加一套参数，就能在160个测试集上取得当前SOTA或极具竞争力的结果。而且训练和推理代码以及模型权重全部开源，无需微调，开箱即用。

关键词: 多模态大模型,APE,视觉基础模型

用多模态大模型来做语义分割，效果有多好？一张图+文字输入想分割的物体，大模型几秒钟就能识别并搞定！

关键词: 美图模型,美图视觉模型,MiracleVision,奇想智能

12月5-6日，主题为“未来AI设计”的美图创造力大会在厦门举行。美图公司发布自研AI视觉大模型MiracleVision（奇想智能）4.0版本，主打AI设计与AI视频。