火星網(wǎng)校
挑戰(zhàn)GPT-4V！清華唐杰&智譜開源多模態(tài)14邊形戰(zhàn)士
發(fā)布時間：2023-11-28 14:55:41 瀏覽量：129次
從淺層對齊到深度融合
夢晨 發(fā)自 凹非寺
|
看看這張圖中有幾個房子？如果你回答3個，就和GPT-4V的答案一樣。
但是最新開源的國產(chǎn)多模態(tài)模型CogVLM-17B，就能看出另有玄機。
甚至能區(qū)分在圖中完整可見的有3個和部分可見的有1個。
CogVLM由清華和智譜AI合作開發(fā)，通訊作者為唐杰和丁銘，論文和開源代碼已上傳到GitHub。
除這個單獨案例之外，CogVLM-17B還在10項權威跨模態(tài)基準上取得了SOTA性能。
另外在VQAv2, OKVQA, TextVQA, COCO captioning取得第二，超越或匹配谷歌的PaLI-X 55B。
與之前的開源多模態(tài)大模型相比，可以算是14邊形戰(zhàn)士。
雷達圖中包含13個基準，最后一個TDIUC單獨展現(xiàn)。
CogVLM可以回答各種類型的視覺問題，比如從馬斯克的陰陽怪氣中推理出小扎假裝去旅行了，回避約架。
認出照片中的C羅，并回答他在2018年世界杯中有多少進球。
帶圖的編程題也能給出代碼了。
甚至能完成復雜的目標檢測，并打上標簽，自動數(shù)據(jù)標注成了。
從淺層對齊到深度融合
CogVLM模型包含4個基本組件
- ViT編碼器
- MLP適配器
- 大型預訓練語言模型
- 視覺專家模塊
其中，每層中都添加了可訓練的視覺專家模塊，以實現(xiàn)圖像特征和文本特征的深度對齊，而不會犧牲任何NLP任務的性能。
之前主流的淺層對齊方法，如BLIP-2，圖像特征和語言模型之間缺乏深度融合,導致性能不佳。
但微調語言模型的全部參數(shù)又會損害其NLP能力。
CogVLM的方法可以說是改變了視覺語言模型的訓練范式，從淺層對齊轉向深度融合。
另外值得注意的是，CogVLM訓練數(shù)據(jù)中沒有專門的OCR數(shù)據(jù)，但表現(xiàn)出了很強的文字識別能力。
CogVLM開源并給出了在線試玩。
不過目前僅支持英文，后續(xù)會提供中英雙語版本支持，可以持續(xù)關注。
試玩地址：
http://36.103.203.44:7861
開源及論文地址：
https://github.com/THUDM/CogVLM
— 完 —
QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態(tài)
熱門課程推薦
熱門資訊
-
想將照片變成漫畫效果？這篇文章分享了4個方法，包括Photoshop、聰明靈犀、VanceAI Toongineer、醒圖，簡單操作就能實現(xiàn)，快來嘗試一下吧！
-
2. 華為手機神奇“AI修圖”功能，一鍵消除衣服！原圖變身大V領深V！
最近華為手機Pura70推出的“AI修圖”功能引發(fā)熱議，通過簡單操作可以讓照片中的人物換裝。想了解更多這款神奇功能的使用方法嗎？點擊查看！
-
近年來,人工智能逐漸走入公眾視野,其中的AI圖像生成技術尤為引人注目。只需在特定軟件中輸入關鍵詞描述語以及上傳參考圖就能智能高效生成符合要求的...
-
4. AI視頻制作神器Viggle：讓靜態(tài)人物動起來，創(chuàng)意無限！
Viggle AI是一款免費制作視頻的AI工具，能讓靜態(tài)人物圖片動起來，快來了解Viggle AI的功能和優(yōu)勢吧！
-
5. Logo Diffusion——基于sd繪畫模型的AI LOGO 生成器
這下LOGO設計徹底不用求人了。接下來詳細演示一遍操作流程首先進入Logo D... 想學習更多AI技能,比如說關于怎么樣利用AI來提高生產(chǎn)效率、還能做什么AI...
-
6. 零基礎10分鐘生成漫畫，教大家如何用AI生成自己的漫畫
接下來,我將親自引導你,使用AI工具,創(chuàng)作一本既有趣又能帶來盈利的漫畫。我們將一起探索如何利用這個工具,發(fā)揮你的創(chuàng)意,制作出令人驚嘆的漫畫作品。讓...
-
7. AI顯卡繪畫排行榜:4090無懸念，最具性價比出人意料
在AI繪圖領域，Stable Diffusion的顯卡繪圖性能備受關注。本文整理了Stable Diffusion顯卡的硬件要求和性能表現(xiàn)，以及2023年3月顯卡AI繪圖效率排行榜和性價比排行榜。歡迎查看最新的AI顯卡算力排行榜。
-
8. 趕緊收藏好!這4個完全免費的AI視頻制作網(wǎng)站和工具
以下是一些免費的AI視頻制作網(wǎng)站或工具,幫助您制作各種類型的視頻。 1. Lumen5:Lumen5是一個基于AI的視頻制作工具,可將文本轉換為視頻。 用戶可以使...
-
就能快速生成一幅極具藝術效果的作品,讓現(xiàn)實中不懂繪畫的人也能參與其中創(chuàng)作!真的超贊噠~趣趣分享幾款超厲害的AI繪畫軟件,提供詳細操作!有需要的快來...
-
10. 10個建筑AI工具，從設計到施工全覆蓋!肯定有你從來沒聽過的
講述了建筑業(yè)比較著名的AI公司小庫科技做出的探索,在這兒就不多說了。今天,我們試著在規(guī)劃設計、建筑方案設計、住宅設計、管道設計、出渲染圖、3D掃...
最新文章
