清華大學(xué)與智譜AI合作開發(fā)的CogVLM-17B是一款國產(chǎn)多模態(tài)模型,具有卓越的性能。該模型不僅可以識(shí)別圖像中的對(duì)象,還能分辨完整可見和部分可見的物體。
CogVLM-17B已經(jīng)在10項(xiàng)權(quán)威跨模態(tài)基準(zhǔn)上取得了SOTA(State-of-the-Art)性能,并在多個(gè)領(lǐng)域超越了谷歌的模型。它被形象地稱為“14邊形戰(zhàn)士”,展現(xiàn)了其多模態(tài)處理的出色能力。
試玩地址:
https://36.103.203.44:7861
開源及論文地址:
https://github.com/THUDM/CogVLM
CogVLM-17B采用了獨(dú)特的深度融合方法,通過四個(gè)關(guān)鍵組件實(shí)現(xiàn)了圖像特征和文本特征的深度對(duì)齊。這些組件包括ViT編碼器、MLP適配器、大型預(yù)訓(xùn)練語言模型以及視覺專家模塊。與傳統(tǒng)的淺層對(duì)齊方法相比,CogVLM-17B的深度融合方法提高了性能,同時(shí)避免了微調(diào)語言模型的全部參數(shù)可能損害NLP任務(wù)性能的問題。
CogVLM-17B在視覺問題解決方面表現(xiàn)出色,包括識(shí)別復(fù)雜場(chǎng)景中的對(duì)象、回答關(guān)于圖像內(nèi)容的問題、解決帶圖的編程題等。
此外,它還展示了出色的文字識(shí)別能力,盡管沒有專門的OCR數(shù)據(jù)進(jìn)行訓(xùn)練。CogVLM-17B已經(jīng)開源,并提供了在線試玩,雖然目前僅支持英文,但計(jì)劃在未來提供中英雙語版本。
這款國產(chǎn)多模態(tài)模型的出現(xiàn),不僅豐富了多模態(tài)領(lǐng)域的技術(shù)研究,還為各種視覺問題的解決提供了強(qiáng)大的工具。其深度融合方法的創(chuàng)新性標(biāo)志著多模態(tài)模型訓(xùn)練范式的改變,為未來的研究和應(yīng)用提供了新的思路和可能性。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
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%。
“以前都要去窗口辦,一套流程下來都要半個(gè)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。
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(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。