下單前先比價不花冤枉錢 同款圖書京東價低于抖音6折日媒感慨中國電動汽車/智駕遙遙領(lǐng)先:本田、日產(chǎn)、三菱合并也沒戲消委會吹風(fēng)機(jī)品質(zhì)檢測結(jié)果揭曉 徠芬獨(dú)占鰲頭 共話新質(zhì)營銷力,2024梅花數(shù)據(jù)峰會圓滿落幕索尼影像專業(yè)服務(wù) PRO Support 升級,成為會員至少需注冊 2 臺 α 全畫幅相機(jī)、3 支 G 大師鏡頭消息稱vivo加碼電池軍備競賽:6500mAh 旗艦機(jī)+7500mAh中端機(jī)寶馬M8雙門轎跑車明年年初將停產(chǎn),后續(xù)無2026款車型比亞迪:2025 款漢家族車型城市領(lǐng)航智駕功能開啟內(nèi)測雷神預(yù)告2025年首次出席CES 將發(fā)布三款不同技術(shù)原理智能眼鏡realme真我全球首發(fā)聯(lián)發(fā)科天璣 8400 耐玩戰(zhàn)神共創(chuàng)計劃iQOO Z9 Turbo長續(xù)航版手機(jī)被曝電池加大到6400mAh,搭驍龍 8s Gen 3處理器普及放緩 銷量大跌:曝保時捷將重新評估電動汽車計劃來京東參與榮耀Magic7 RSR 保時捷設(shè)計預(yù)售 享365天只換不修國補(bǔ)期間電視迎來換機(jī)潮,最暢銷MiniLED品牌花落誰家?美團(tuán)旗下微信社群團(tuán)購業(yè)務(wù)“團(tuán)買買”宣布年底停運(yùn)消息稱微軟正與第三方廠商洽談,試圖合作推出Xbox游戲掌機(jī)設(shè)備在海外,要再造一個京東物流?消息稱蘋果正為AirPods開發(fā)多項(xiàng)健康功能,包括心率監(jiān)測和溫度感應(yīng)一加 Ace 5系列將搭載全新游戲助手:大幅提升游戲體驗(yàn)東芝全部業(yè)務(wù)實(shí)現(xiàn)盈利,退市裁員重組后終于賺錢
  • 首頁 > 云計算頻道 > 大模型

    視覺語言模型BLIVA:讓AI更擅長閱讀圖像中的文本 懂得看路牌和食品包裝

    2023年08月29日 21:02:50   來源:站長之家

      文章概要:

      1.BLIVA是一種視覺語言模型,擅長讀取圖像中的文本。

      2. BLIVA結(jié)合了InstructBLIP的學(xué)習(xí)查詢嵌入和LLaVA的編碼修補(bǔ)嵌入。

      3. BLIVA在多個數(shù)據(jù)集上表現(xiàn)優(yōu)異,可用于識別路牌、食品包裝等場景。

      BLIVA 是一種視覺語言模型,擅長讀取圖像中的文本,使其在許多行業(yè)的現(xiàn)實(shí)場景和應(yīng)用中發(fā)揮作用。

      加州大學(xué)圣地亞哥分校的研究人員開發(fā)了 BLIVA,這是一種視覺語言模型,旨在更好地處理包含文本的圖像。視覺語言模型 (VLM) 通過合并視覺理解功能來擴(kuò)展大型語言模型 (LLM),以回答有關(guān)圖像的問題。

      這種多模態(tài)模型在開放式視覺問答基準(zhǔn)方面取得了令人印象深刻的進(jìn)展。一個例子是 OpenAI 的GPT-4,它的多模式形式可以在用戶提示時討論圖像內(nèi)容,盡管此功能目前僅在“Be my Eyes”應(yīng)用程序中可用。

      然而,當(dāng)前系統(tǒng)的一個主要限制是處理帶有文本的圖像的能力,這在現(xiàn)實(shí)場景中很常見。

      BLIVA 結(jié)合了 InstructBLIP 和 LLaVA

      視覺語言模型通過合并視覺理解功能來擴(kuò)展大型語言模型,以回答有關(guān)圖像的問題。

      BLIVA結(jié)合了兩種互補(bǔ)的視覺嵌入類型。一種是Salesforce InstructBLIP提取的學(xué)習(xí)查詢嵌入,用于關(guān)注與文本輸入相關(guān)的圖像區(qū)域;另一種是受Microsoft LLaVA啟發(fā)提取的編碼修補(bǔ)嵌入,直接從完整圖像的原始像素修補(bǔ)中獲得。

      研究人員表示,這種雙重方法允許BLIVA同時利用針對文本定制的精煉查詢嵌入,以及捕捉更多視覺細(xì)節(jié)的更豐富的編碼修補(bǔ)。

      BLIVA 使用大約550,000個圖像標(biāo)題對進(jìn)行了預(yù)訓(xùn)練,并使用150,000個視覺問答示例調(diào)整了指令,同時保持視覺編碼器和語言模型凍結(jié)。

      在多個數(shù)據(jù)集上,BLIVA的表現(xiàn)明顯優(yōu)于InstructBLIP等其他模型。例如,在OCR-VQA數(shù)據(jù)集上,BLIVA的準(zhǔn)確率達(dá)到65.38%,而InstructBLIP只有47.62%。

      研究人員認(rèn)為這證明了多嵌入方法對廣泛的視覺理解的益處。BLIVA還在YouTube視頻縮略圖數(shù)據(jù)集上取得了92%的準(zhǔn)確率。BLIVA識讀圖像文本的能力可應(yīng)用于許多行業(yè),如識別路牌、食品包裝等。BLIVA有望改善現(xiàn)實(shí)世界中的多種應(yīng)用。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。

    即時

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。