-
【AI论文与新生技术】InternLM-XComposer-2.5:支持长上下文输入和输出的多功能大视觉语言模型
我们介绍了 InternLM-XComposer-2.5(IXC-2.5),这是一种多功能的大视觉语言模型,支持长上下文输入和输出。IXC-2.5在各种文本图像理解和合成应用中表现出色,仅需 7B LLM 后端即可实现 GPT-4V 级别的能力。使用 24K 交错图像-文本上下文进行训练,它可以通过 RoPE 外推无缝扩展到 96K 长上下文。这种长上下文功能使 IXC-2.5能够在需要大量输入和…- 746
- 0
-
由北京大学、中山大学等AI人工智能科技优选项目组发布"Video-LLaVA": 大视觉语言模型的崭新里程碑
大视觉语言模型(LVLM)的引入显著提升了视觉语言理解领域下游任务的性能。目前的方法通常将图像和视频编码为单独的特征空间,并将其作为大型语言模型(LLM)的输入。然而,由于图像和视频缺乏一致的标记,即在投影前存在错位,这导致大型语言模型在学习多模态交互时面临挑战。在这项研究中,我们通过将视觉表示统一到语言特征空间,实现了基础LLM向统一LVLM的转变。我们提出了一个简单而强大的LVLM基线,命名为…- 336
- 0
❯
今日签到
有新私信
私信列表
搜索
客服
扫码打开当前页
联系客服
公众号
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!