AI资讯新闻榜单内容搜索-视觉模型

关键词: openai,AI,大模型,Scaling Law

大模型时代，有个大家普遍焦虑的问题：如何落地?往哪落地?

关键词: 智谱AI,智谱清影,GLM-4-Plus,AI,AI公司

智谱AI发布新视觉模型，看得懂视频，也看得透网页源代码。

关键词: LumaAI,AI,AI视频,3D生成模型

在视觉模型的热潮中，有差异化优势才好生存。

关键词: Stable Diffusion,SD,AI绘图,AI视觉,FLUX.1

也许视觉模型离AGI更近。

关键词: 模型训练,AI,AI视觉模型,人工智能

本文介绍清华大学的一篇关于长尾视觉识别的论文: Probabilistic Contrastive Learning for Long-Tailed Visual Recognition. 该工作已被 TPAMI 2024 录用，代码已开源。

关键词: VLM,视觉模型,AI,GPT-4o,Claude 3.5

视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？

关键词: 豆包大模型,VLM,视觉模型,AI,模型训练

当前的视觉语言模型（VLM）主要通过 QA 问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如 detail image caption 性能的可靠评测手段。

关键词: MSRA,视觉模型,模型训练,AI

文生图、文生视频，视觉生成赛道火热，但仍存在亟需解决的问题。

关键词: CV,AI,patch,AI,视觉模型

下一代视觉模型会摒弃patch吗？Meta AI最近发表的一篇论文就质疑了视觉模型中局部关系的必要性。他们提出了PiT架构，让Transformer直接学习单个像素而不是16×16的patch，结果在多个下游任务中取得了全面超越ViT模型的性能。

关键词: 视觉模型,4M-21,多模态,模型训练

当前的多模态和多任务基础模型，如 4M 或 UnifiedIO，显示出有希望的结果。然而，它们接受不同输入和执行不同任务的开箱即用能力，受到它们接受训练的模态和任务的数量（通常很少）的限制。