火星網(wǎng)校
超火迷你GPT-4視覺能力暴漲，GitHub兩萬星，華人團(tuán)隊出品
發(fā)布時間：2023-11-28 14:54:20 瀏覽量：107次
只需一個簡單指令
白交 發(fā)自 凹非寺
|
GPT-4V來做目標(biāo)檢測？網(wǎng)友實測：還沒有準(zhǔn)備好。
雖然檢測到的類別沒問題，但大多數(shù)邊界框都錯放了。
沒關(guān)系，有人會出手！
那個搶跑GPT-4看圖能力幾個月的迷你GPT-4升級啦——MiniGPT-v2。
而且只是一句簡單指令：[grounding] describe this image in detail就實現(xiàn)的結(jié)果。
不僅如此，還輕松處理各類視覺任務(wù)。
圈出一個物體，提示詞前面加個 [identify] 可讓模型直接識別出來物體的名字。
當(dāng)然也可以什么都不加，直接問~
MiniGPT-v2由來自MiniGPT-4的原班人馬（KAUST沙特阿卜杜拉國王科技大學(xué)）以及Meta的五位研究員共同開發(fā)。
上次MiniGPT-4剛出來就引發(fā)巨大關(guān)注，一時間服務(wù)器被擠爆，如今GItHub項目已超22000+星。
此番升級，已經(jīng)有網(wǎng)友開始用上了~
多視覺任務(wù)的通用界面
大模型作為各文本應(yīng)用的通用界面，大家已經(jīng)司空見慣了。受此靈感，研究團(tuán)隊想要建立一個可用于多種視覺任務(wù)的統(tǒng)一界面，比如圖像描述、視覺問題解答等。
「如何在單一模型的條件下，使用簡單多模態(tài)指令來高效完成各類任務(wù)？」成為團(tuán)隊需要解決的難題。
簡單來說，MiniGPT-v2由三個部分組成：視覺主干、線性層和大型語言模型。
該模型以ViT視覺主干為基礎(chǔ)，所有訓(xùn)練階段都保持不變。從ViT中歸納出四個相鄰的視覺輸出標(biāo)記，并通過線性層將它們投影到 LLaMA-2語言模型空間中。
團(tuán)隊建議在訓(xùn)練模型為不同任務(wù)使用獨特的標(biāo)識符，這樣一來大模型就能輕松分辨出每個任務(wù)指令，還能提高每個任務(wù)的學(xué)習(xí)效率。
訓(xùn)練主要分為三個階段：預(yù)訓(xùn)練——多任務(wù)訓(xùn)練——多模式指令調(diào)整。
最終，MiniGPT-v2 在許多視覺問題解答和視覺接地基準(zhǔn)測試中，成績都優(yōu)于其他視覺語言通用模型。
最終這個模型可以完成多種視覺任務(wù)，比如目標(biāo)對象描述、視覺定位、圖像說明、視覺問題解答以及從給定的輸入文本中直接解析圖片對象。
感興趣的朋友，可戳下方Demo鏈接體驗：
https://minigpt-v2.github.io/
https://huggingface.co/spaces/Vision-CAIR/MiniGPT-v2
論文鏈接：https://arxiv.o?rg/abs/2310.09478
GitHub鏈接：https://github.com/Vision-CAIR/MiniGPT-4
參考鏈接：https://twitter.com/leoyerrrr
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(jī)神奇“AI修圖”功能，一鍵消除衣服！原圖變身大V領(lǐng)深V！
最近華為手機(jī)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(shù)尤為引人注目。只需在特定軟件中輸入關(guān)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(shè)計徹底不用求人了。接下來詳細(xì)演示一遍操作流程首先進(jìn)入Logo D... 想學(xué)習(xí)更多AI技能,比如說關(guān)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(chǔ)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(dǎo)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(lǐng)域，Stable Diffusion的顯卡繪圖性能備受關(guān)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(zhuǎn)換為視頻。 用戶可以使...
-
就能快速生成一幅極具藝術(shù)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(xì)操作!有需要的快來...
-
10. 10個建筑AI工具，從設(shè)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(shè)計、建筑方案設(shè)計、住宅設(shè)計、管道設(shè)計、出渲染圖、3D掃...
最新文章
