鴻蒙智行泊車(chē)代駕VPD正式開(kāi)啟全量推送!升級(jí)自動(dòng)泊車(chē)/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元曝蘋(píng)果研發(fā)帶Face ID的智能家居門(mén)鈴:內(nèi)置自研W-Fi芯片李斌回應(yīng)螢火蟲(chóng)外觀設(shè)計(jì):看過(guò)實(shí)車(chē)的人都喜歡這個(gè)設(shè)計(jì)林杰:未來(lái) A 級(jí)、A0 級(jí)、A00 級(jí)車(chē)型都將是領(lǐng)克純電的“主場(chǎng)”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設(shè)與智慧出行萬(wàn)象分區(qū)、絢彩XDR、量子點(diǎn)Pro 2025齊出手,TCL引領(lǐng)觀影體驗(yàn)新變革!QQ音樂(lè)年度聽(tīng)歌報(bào)告發(fā)布:誰(shuí)是你最喜歡的歌手?OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上,已經(jīng)沒(méi)有了任何阻礙「送禮物」難撬動(dòng)社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學(xué)擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁(yè)技術(shù)報(bào)告出爐2024年結(jié)束,哪里是原創(chuàng)動(dòng)畫(huà)的應(yīng)許之地?深扒一個(gè)正被游戲行業(yè)「搶占」的流量帝國(guó)百思買(mǎi)重新進(jìn)軍跨境電商領(lǐng)域視頻生成大模型賽道,只是看上去擁擠GGII:預(yù)計(jì)2024年中國(guó)工業(yè)機(jī)器人全年銷(xiāo)量約30萬(wàn)臺(tái),同比下滑5%左右冰雪大世界盛大開(kāi)園,美的空調(diào)橫跨50℃打造“東北夏威夷”臺(tái)灣小土豆勇闖冰雪大世界,美的空調(diào)真暖快車(chē)成為最熱打卡點(diǎn)京東iPhone 16系列年底大放價(jià)!至高補(bǔ)貼1200元價(jià)格低過(guò)11.11新一季圓滿(mǎn)假期結(jié)伴大使出發(fā)在即 LG電子十年相伴助力溫暖傳遞
  • 首頁(yè) > 云計(jì)算頻道 > 大模型

    騰訊與悉尼大學(xué)聯(lián)手打造GPT4Video:顯著提升大語(yǔ)言模型視頻生成能力

    2023年12月07日 11:05:00   來(lái)源:站長(zhǎng)之家

      在多模態(tài)大型語(yǔ)言模型(MLLMs)領(lǐng)域取得顯著進(jìn)展的同時(shí),盡管在輸入端多模態(tài)理解方面取得了顯著進(jìn)展,但在多模態(tài)內(nèi)容生成領(lǐng)域仍存在明顯的空白。為填補(bǔ)這一空白,騰訊人工智能實(shí)驗(yàn)室與悉尼大學(xué)聯(lián)手推出了GPT4Video,這是一個(gè)統(tǒng)一的多模態(tài)框架,賦予大型語(yǔ)言模型(LLMs)獨(dú)特的視頻理解和生成能力。

      研究團(tuán)隊(duì)的主要貢獻(xiàn)可以總結(jié)如下:

      1.引入了GPT4Video,這是一個(gè)多功能框架,為L(zhǎng)LMs提供了視頻理解和生成的能力。

      2. 提出了一種簡(jiǎn)單而有效的微調(diào)方法,旨在增強(qiáng)視頻生成的安全性,成為常用RLHF方法的一種吸引人的替代方案。

      3. 釋放數(shù)據(jù)集,以促進(jìn)未來(lái)在多模態(tài)LLMs領(lǐng)域的研究。

      GPT4Video是對(duì)現(xiàn)有多模態(tài)大型語(yǔ)言模型(MLLMs)局限性的回應(yīng),盡管這些模型在處理多模態(tài)輸入方面表現(xiàn)出色,但在生成多模態(tài)輸出方面存在不足。GPT4Video的架構(gòu)包括三個(gè)重要組件:

      1. **視頻理解模塊:** 利用視頻特征提取器和視頻摘要生成器,將視頻信息編碼并對(duì)齊到LLM的詞嵌入空間。

      2. **LLM主體:** 借鑒LLaMA結(jié)構(gòu),采用參數(shù)高效微調(diào)(PEFT)方法,特別是LoRA,同時(shí)保留原始預(yù)訓(xùn)練參數(shù)。

      3. **視頻生成組件:** 通過(guò)精心構(gòu)建的指令跟蹤數(shù)據(jù)集,使LLM生成模型庫(kù)中模型的提示。

      團(tuán)隊(duì)首先利用凍結(jié)的ViT-L/14模型捕捉原始視頻特征,然后使用視頻抽象模塊在時(shí)間和空間軸上壓縮視頻信息。GPT4Video的核心由凍結(jié)的LLaMA模型驅(qū)動(dòng),通過(guò)LoRA和自定義的視頻中心化、安全對(duì)齊數(shù)據(jù)進(jìn)行高效微調(diào)。這使其能夠理解視頻并生成適當(dāng)?shù)囊曨l提示,隨后用于從Textto-Video模型庫(kù)中生成視頻。

      在各種多模態(tài)基準(zhǔn)測(cè)試中的實(shí)驗(yàn)結(jié)果,包括開(kāi)放式問(wèn)答、視頻字幕和文本到視頻生成,驗(yàn)證了GPT4Video的有效性和普適性。此外,GPT4Video展示了利用LLMs強(qiáng)大的上下文摘要和文本表達(dá)能力為視頻生成詳細(xì)提示的能力。

      GPT4Video通過(guò)整合先進(jìn)的視頻理解和生成功能,顯著提升了大型語(yǔ)言模型的性能。其在多模態(tài)基準(zhǔn)測(cè)試中表現(xiàn)出色進(jìn)一步強(qiáng)調(diào)了其卓越性能。

      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)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類(lèi)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(xiàn)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(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“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(hù)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(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性?xún)r(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。

    研究

    中國(guó)信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    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(zhuān)題論壇在沈陽(yáng)成功舉辦。