香港中文大學(xué)終身教授賈佳亞團(tuán)隊(duì)最近推出了一款名為Mini-Gemini的多模態(tài)模型,該模型在多模態(tài)任務(wù)榜單上取得了顯著成績(jī),其性能堪比GPT-4與DALLE3的結(jié)合。
Mini-Gemini模型以其更精確的圖像理解能力、更高質(zhì)量的訓(xùn)練數(shù)據(jù)和更強(qiáng)的圖像解析推理能力而著稱。模型能夠結(jié)合圖像推理和生成,提供了從2B到34B不同規(guī)模的版本,其中最強(qiáng)版本在多個(gè)指標(biāo)上與Google Gemini Pro和GPT-4V相比毫不遜色。
Mini-Gemini模型的代碼、模型和數(shù)據(jù)已經(jīng)全部開源,可以在Github、論文地址和模型及數(shù)據(jù)的Huggingface頁(yè)面上找到。這一開放性的舉措使得Mini-Gemini迅速登上了PaperWithCode的熱榜,受到了廣泛關(guān)注。
Mini-Gemini的圖像理解和生成能力通過Demo形式得到了展示,用戶可以在線與自定義圖像進(jìn)行對(duì)話。這一功能使得Mini-Gemini在實(shí)際應(yīng)用場(chǎng)景中表現(xiàn)出色,尤其是在需要對(duì)高清圖像進(jìn)行解析并用圖像形式展現(xiàn)的任務(wù)中。例如,Mini-Gemini能夠根據(jù)圖片內(nèi)容對(duì)做面包的過程進(jìn)行指導(dǎo),也能根據(jù)電腦圖片中的參數(shù)進(jìn)行準(zhǔn)確對(duì)比。
此外,Mini-Gemini在保留圖像理解和推理能力的同時(shí),還具備了圖像生成能力,類似于ChatGPT與生成模型的結(jié)合。通過抽象的多模態(tài)指令,模型能夠進(jìn)行推理并生成合適的圖片。例如,當(dāng)用戶提出兩個(gè)毛線團(tuán)能做什么時(shí),Mini-Gemini不僅能識(shí)別圖片內(nèi)容并給出建議,還能生成相應(yīng)的毛線小熊圖片。
Mini-Gemini的技術(shù)背后,采用了名為Gemini的視覺雙分支信息挖掘方法,通過使用卷積網(wǎng)絡(luò)(ConvNet)對(duì)高分辨率圖像進(jìn)行編碼,并利用Transformer中的Attention機(jī)制來挖掘每個(gè)低分辨率Query對(duì)應(yīng)的高分辨率區(qū)域。在圖像生成方面,Mini-Gemini結(jié)合了SDXL技術(shù),通過LLM生成的文本鏈接兩個(gè)模型,類似于DALLE3的流程。
在數(shù)據(jù)方面,Mini-Gemini通過收集和優(yōu)化訓(xùn)練數(shù)據(jù),實(shí)現(xiàn)了對(duì)圖像理解、推理和生成的統(tǒng)一流程。即使在僅使用2-3M數(shù)據(jù)的情況下,Mini-Gemini也能在各種Zero-shot榜單上與大廠使用大量數(shù)據(jù)訓(xùn)練出的模型相媲美,展現(xiàn)了其高效性和實(shí)用性。這一成果不僅為開源社區(qū)帶來了新的活力,也為多模態(tài)模型的發(fā)展和應(yīng)用開辟了新的可能性。
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)。
近日,德國(guó)柏林國(guó)際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國(guó)家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“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。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。