AI资讯新闻榜单内容搜索-视觉大模型

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: 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: 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: 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。

关键词: CV大模型,AGI

UC伯克利的CV三巨头推出首个无自然语言的纯视觉大模型，第一次证明纯CV模型也是可扩展的。更令人震惊的是，LVM竟然也能做对图形推理题，AGI火花再次出现了？计算机视觉的GPT时刻，来了！

关键词: Chat-UniVi,VLM,视觉大模型

训完130亿参数通用视觉语言大模型，只需3天！北大和中山大学团队又出招了——在最新研究中，研究团队提出了一种构建统一的图片和视频表征的框架。利用这种框架，可以大大减少VLM（视觉语言大模型）在训练和推理过程中的开销。

关键词: Video-LLaVA,视觉语言大模型,北大开源视觉大模型,LLM

AI能理解搞笑视频笑点在哪里了。北大等团队开源视觉语言大模型Video-LLaVA，将图像和视频表示对齐到统一的视觉特征空间，在13个图片和视频基准上达到先进的性能。

关键词: AI字幕,夸克模型,夸克AI

夸克网盘电脑端播放器已经支持视频5倍速播放、4K画质和多音轨播放等能力。在自研的AI视觉大模型技术帮助下，升级后的夸克网盘播放器支持AI字幕和文稿生成，更加方便用户理解和管理内容

关键词: Uni3D,多模态,AI视觉模型

最近，智源、清华和北大联合发布了全新的10亿参数的3D视觉通用模型——Uni3D，在主流3D视觉能力上取得了全方位的性能突出！