家庭能源智聯(lián)自由 海辰儲(chǔ)能發(fā)布首套免安裝家庭微網(wǎng)系統(tǒng)HeroESOpenAI發(fā)布o(jì)3:AI 推理能力的重大突破,得分高達(dá)87.5%亞馬遜云科技推出Amazon Q Developer新功能小象超市,摸著美團(tuán)外賣(mài)出海E Ink元太科技連三年入選道瓊可持續(xù)雙指數(shù)撬動(dòng)6000億GTV后,抖音計(jì)劃偷襲美團(tuán)大本營(yíng)AGI Open Network(AON):賦能每個(gè)人創(chuàng)建、部署和貨幣化AI Agent貸款利率史上最低了嗎?東融教你看懂歷年啥水平“客服來(lái)電”有詐?抖音客服上線(xiàn)“驗(yàn)證助手”助用戶(hù)識(shí)別詐騙OpenAI新模型GPT-5研發(fā)未達(dá)預(yù)期:成本高昂 效果不佳曝天馬打入果鏈:為蘋(píng)果HomePod供應(yīng)LCD屏 每塊屏僅10美元曝OPPO或首發(fā)新款天璣次旗艦芯片 兩大子品牌Q2發(fā)力諾基亞攜手阿聯(lián)酋運(yùn)營(yíng)商e&,展示全球首個(gè)固網(wǎng)游戲端到端網(wǎng)絡(luò)切片方案零下25℃制熱26℃!海爾水暖通黑科技亮相冰雪大世界三星沒(méi)放棄曲面屏開(kāi)發(fā)!最新專(zhuān)利曝光暗示有望回歸三大運(yùn)營(yíng)商11月成績(jī)單:用戶(hù)數(shù)據(jù)增幅放緩打造下一個(gè)英偉達(dá),孫正義的2026芯片計(jì)劃曝光瞭望2025全球6G技術(shù)發(fā)展趨勢(shì)AI時(shí)代云安全新范式,暢捷通智能守護(hù)小微企業(yè)安全上云百川智能發(fā)布全鏈路領(lǐng)域增強(qiáng)金融大模型 Baichuan4-Finance
  • 首頁(yè) > 云計(jì)算頻道 > 大模型

    清華、浙大推GPT-4V開(kāi)源平替!LLaVA、CogAgent等開(kāi)源視覺(jué)模型大爆發(fā)

    2024年01月04日 11:43:44   來(lái)源:站長(zhǎng)之家

      近期,GPT-4V的開(kāi)源替代方案在中國(guó)的頂尖學(xué)府清華、浙大等的推動(dòng)下,出現(xiàn)了一系列性能優(yōu)異的開(kāi)源視覺(jué)模型。其中,LLaVA、CogAgent和BakLLaVA是三種備受關(guān)注的開(kāi)源視覺(jué)語(yǔ)言模型。

      LLaVA是一個(gè)端到端訓(xùn)練的多模態(tài)大模型,它將視覺(jué)編碼器和用于通用視覺(jué)和語(yǔ)言理解的Vicuna相結(jié)合,具備令人印象深刻的聊天能力。而CogAgent是在CogVLM基礎(chǔ)上改進(jìn)的開(kāi)源視覺(jué)語(yǔ)言模型,擁有110億個(gè)視覺(jué)參數(shù)和70億個(gè)語(yǔ)言參數(shù)。

      另外,BakLLaVA是使用LLaVA1.5架構(gòu)增強(qiáng)的Mistral7B基礎(chǔ)模型,已經(jīng)在多個(gè)基準(zhǔn)測(cè)試中優(yōu)于LLaVA213B。這三種開(kāi)源視覺(jué)模型在視覺(jué)處理領(lǐng)域具有極大的潛力。

      LLaVA在視覺(jué)聊天和推理問(wèn)答方面表現(xiàn)出接近GPT-4水平的能力。在視覺(jué)聊天方面,LLaVA的表現(xiàn)相對(duì)于GPT-4的評(píng)分達(dá)到了85%,在推理問(wèn)答方面更是達(dá)到了92.53%的超過(guò)GPT-4的新SoTA。LLaVA在回答問(wèn)題時(shí),能夠全面而有邏輯地生成回答,并且可以以JSON格式輸出。

      它不僅可以從圖片中提取信息并回答問(wèn)題,還可以將圖片轉(zhuǎn)化為JSON格式。LLaVA還可以識(shí)別驗(yàn)證碼、識(shí)別圖中的物體品種等,展現(xiàn)出了強(qiáng)大的多模態(tài)能力。在性能上接近GPT-4的情況下,LLaVA具有更高的成本效益,訓(xùn)練只需要8個(gè)A100即可在1天內(nèi)完成。

      CogAgent作為在CogVLM基礎(chǔ)上改進(jìn)的開(kāi)源視覺(jué)語(yǔ)言模型,擁有更多的功能和性能優(yōu)勢(shì)。它支持更高分辨率的視覺(jué)輸入和對(duì)話(huà)答題,能夠處理超高分辨率圖像輸入。

    image.png

      CogAgent還提供了可視化代理的能力,能夠返回任何給定任務(wù)的計(jì)劃、下一步行動(dòng)和帶有坐標(biāo)的具體操作。它還增強(qiáng)了與圖形用戶(hù)界面相關(guān)的問(wèn)題解答功能,可以處理與網(wǎng)頁(yè)、PC應(yīng)用程序、移動(dòng)應(yīng)用程序等任何圖形用戶(hù)界面截圖相關(guān)的問(wèn)題。另外,通過(guò)改進(jìn)預(yù)培訓(xùn)和微調(diào),CogAgent還增強(qiáng)了OCR相關(guān)任務(wù)的能力。這些功能的提升使得CogAgent在多個(gè)基準(zhǔn)測(cè)試上實(shí)現(xiàn)了最先進(jìn)的通用性能。

      BakLLaVA是使用LLaVA1.5架構(gòu)增強(qiáng)的Mistral7B基礎(chǔ)模型,具備更好的性能和商用能力。BakLLaVA在多個(gè)基準(zhǔn)測(cè)試中優(yōu)于LLaVA213B,并且可以在某些數(shù)據(jù)上進(jìn)行微調(diào)和推理。雖然BakLLaVA在訓(xùn)練過(guò)程中使用了LLaVA的語(yǔ)料庫(kù),不允許商用,但BakLLaVA2則采用了更大的數(shù)據(jù)集和更新的架構(gòu),超越了當(dāng)前的LLaVA方法,具備商用能力。

      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。