devbox
知新_RL
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“开天眼”，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：知新_RL | 2024-02-17 23:22:20

赞

踩

大语言模型辅助图像检测模块有哪些内容

卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完。

文源 西风 发自 凹非寺 量子位 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：

79a6e44480a798c3c1d9e4ac6ca1e203.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：

31ecd2b9bf485d3735b5a861b0481d5b.png

故意把“Red”弄成紫色，“Green”涂成红色也干扰不了它：

25f02008967b503e2df4cf6a86fc116e.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，转载请注明出处：【wpsshop博客】

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。