devbox
不正经
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

给大语言模型“开个眼”，看图说话性能超CLIP！斯坦福等新方法无需多模态预训练丨开源...

作者：不正经 | 2024-02-17 23:19:53

赞

踩

lens csdn
西风 发自 凹非寺
量子位 | 公众号 QbitAI

不靠多模态数据，大语言模型也能看得懂图？！

话不多说，直接看效果。

就拿曾测试过BLIP-2的长城照片来说，它不仅可以识别出是长城，还能讲两句历史：

a21ea66357e0899405521c5e61509ca2.png

再来一个奇形怪状的房子，它也能准确识别出不正常，并且知道该如何进出：

0054bff70e8e2d45d9ad4fa96e7ea3bb.png

故意把“Red”弄成紫色，“Green”涂成红色也干扰不了它：

03ecc858dadd8ca04b122f0705f64865.png

这就是最近研究人员提出的一种新模块化框架——LENS

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/不正经/article/detail/102282
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。