看得懂图片，又一个多模态大模型MiniGPT4发布仅用4块A100训练10小时 MiniGPT4的原理很简单整合了BLIP-2和Vicuna，通过BLIP-2将图片转为文字描述，再用Vicuna基于这个文字描述进行内容创作。因…

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

4991 位用户此时在线

24小时点击排行 Top 10：

原来这是女性下腹部隆起的真相

近日，有网友在抖音分享，北京的警察暴力清场国家信访局的访民，随后警察发现了拍摄者，走过来抢夺拍摄者的手机。

10月23日，江西，有网友在外包装密封完好的特仑苏牛奶吸管内发现活虫。

这头🐷长相有点熟悉啊！

B站出现了大量汪文斌出任柬埔寨大使相关视频，弹幕评论区一片阴阳怪气🤪 #太子集团

10月20日，河南村镇银行储户何科强去河南问存款，被四个河南警察截访掳到火车上殴打，手机屏幕被摔碎。火车乘警告知储户，打人者是郑州公安局的民警。

兩名伊斯蘭爛民在英國襲擊一名英國男士，隨後被公交車上的一群男孩營救，並且教訓了其中一個爛民。英國人必須覺醒，驅逐野蠻，禁止伊斯蘭恐怖主義的蔓延。

潜伏在粉红群里刷到了这个大清太监锐评《澎湖海战》的视频，绷不住了😂 🕶️ 匿名投稿

10月29日，江苏泰州，一名华为汽车车主发布视频称，自己的车辆后视镜被贴上小广告，撕下时竟连带将后视镜表层油漆一同扯掉。然而，视频发布不久后，其抖音账号头像被系统强制重置，并被禁止发布作品，处罚原因显示为“色情导流”。

成功人士就应该多生我们这种失败者，就应该断子绝孙

中共本以為可以利用稀土卡美國脖子，結果沒想到被自己嘎了腰子，斷了自己的財路。相信與美國友好的國家都不會差到哪去，習近平一天到晚想着與窮鬼惡魔為伍，讓中國人成為他的個人殉葬品。

怎么防？

今天路过一个房子，被吓了一跳…太逼真了🥶🥶🥶🥶

10月23日，广东，一位96岁的老人赶集卖菜和鸭蛋，但老人的生意并不好，一上午只卖出一元钱。家中还有老伴儿瘫痪在床，正等着他回家。

女的口無遮攔，男的手起湯烙。

后续：三峡大学官微已关闭评论，显示“博主已开启评论精选”，其他账号无法在其评论区留言，截止发稿前，三峡大学账号在微博已检索不到。

完了中国政府完了

后续：10月29日，宝宝巴士发致歉声明，相关负责人回应称，出现在APP上的问题广告是第三方平台接入广告。宝宝巴士官方客服表示，APP内的所有内容和广告投放都会审核，包括用户头像信息等内容也会进行审核，“但是无论是机器还是人工，它都是会有遗漏的，不可能百分百核实广告内容，如果有发现问题，用户

卧槽，我骂了这么久福建舰是蒸气朋克，没想到真正的蒸气朋克在美国

近日，大量网友在有关郑成功的视频和电影“澎湖海战”以及电影中大汉奸施琅的扮演者王学昕的抖音账号评论区，发评论嘲笑这部主旋律电影的虚假的历史感，并谴责王学昕未来挣钱没有坚守底线。

10月29日，“办个eSIM怎么这么难”登上微博热搜。有网友反映，自己在办理eSIM业务后，所有电话功能均被限制使用，并收到了来自中国电信和中国移动的“高风险卡号提醒”，要求其携带本人身份证及卡号前往营业厅或通过线上渠道完成二次实名认证。

10月25日，江西省，九江市，彭泽县，定山镇。村民反映：镇政府未经村民同意强行施工开挖村民的水田修路，为了阻止村民前往现场维权，镇政府派出警察阻拦和拉起警戒线。#维权

街头采访：男生一个月工资多少可以养家？

10月28日，证券时报发文，宣告锦州银行被工商银行收购，存款人合法权益不受影响。国家金融监管总局长李云泽称，将巩固风险处置成果，稳妥有序推进中小金融机构兼并重组、减量提质。

10月26日，贵州省毕节市威宁县。张小娅实名举报：，威宁县张艺飞违规承揽政府工程，拖欠农民工工资及劳务施工人员陈琳的工程款，共计一百多万元。 #维权

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

2

1

0

看得懂图片，又一个多模态大模型MiniGPT4发布
仅用4块A100训练10小时
MiniGPT4的原理很简单整合了BLIP-2和Vicuna，通过BLIP-2将图片转为文字描述，再用Vicuna基于这个文字描述进行内容创作。
因…
推特中文圈
( twitter.com )

2年前由 nash_su 提交

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

2

1

1

DeepSeek 开始搞多模态了。
开源了一个多模态理解和生成一体的模型 Janus，既可以理解图片内容又可以生成图片。
Janus的核心创新是将视觉编码分为两个独立的部分:一个用于多模态理解,一个用于图像生成。
IT技术
( twitter.com)

1年前 • 歸藏(guizang.ai) • -- 点击 0 评论

2

2

1

1

DeepSeek来了，他开源了一款统一的多模态理解和生成的模型：Janus 1.3B
Janus核心是可以同时理解和生成文字、图像，它可以看懂图片和文字，还能根据描述画出图片来
时政
( twitter.com)

1年前 • AIGCLINK • -- 点击 0 评论

3

3

2

2

来了嗷！全网首测！DeepSeek 4 小时之前又发布了一个多模态模型——Janus-pro！这个模型的特点是将文生图和图生文合二为一了！
我觉得这个模型更多是方向上的验证，如果验证靠谱就会推出可以投入生产的模型了。
[1/?]
时政
( twitter.com)

9个月前 • karminski-牙医 • -- 点击 • 下载视频 0 评论

00:01:38

4

2

1

1

GPT-4.5 会带来推理模型的升级
想象一下，每个 AI 模型都是一名努力学习的学生。每个学生的能力有高有低，有的懂得多，有的懂得少。这张图片就像是一场考试的成绩单，展示了不同的“学生”（模型）在高难度考试（GPQA基准测试，类似博士水平的知识问答）中的表现。
在图片中，我们能清楚看到：
-
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 0 评论

5

2

1

1

可以拿这图去测试各大模型的多模态能力😄
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

6

2

1

1

推荐阅读：《多模态和多模态大模型 (LMM)[译]》
这是一篇相当详尽的讲述多模态和多模态大模型的文章！内容分为三部分。
* 第 1 部分围绕多模态的概念展开，讲述了使用多模态的原因、不同类型的数据模态以及多模态任务的种类。
* 第 2 部分深入探讨了多模态系统的核心原理，以 CLIP 和 Flamingo…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

7

2

1

1

大模型国内乱象之行业大模型。
可以观赏神文《中国杀出全球首个烹饪大模型》，简直就是各种名词的堆叠：
食神大模型的赋能，是一个连续多场景过程 / 跨设备协同和规划 / 多模态数据的感知、多模态的交互以及与多个设备的协同联动等多个层面的能力
时政
( hub.baai.ac.cn)

1年前 • 九原客 • -- 点击 0 评论

8

2

1

1

你跟钢铁侠就差一块3090
微软开源JARVIS，又称大模型和他的朋友们
利用ChatGPT分析需求自动调用其他模型拆分解决任务的程序，微软开源了。
原理很简单，如实现多模态方法：
用户：图中有几个斑马。模型会分析需求调用图像识别…
推特中文圈
( twitter.com)

2年前 • nash_su • -- 点击 0 评论

9

2

1

1

🎉AI的多模态时代已经来临！如今，大型语言模型让AI具备了思考的能力，以下的一些出色项目则赋予了AI感知的能力，让它能听、看、说、画画、制作视频等。

它们是各种多模态Agent，可以处理文档📄、图片🖼️、音频🎵、视频🎥等，一切只…
IT技术
( twitter.com)

2年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

10

2

1

1

多模态大战终于要来了吗？OpenAI被曝加急训练多模态大模型Gobi，剑指谷歌Gimini
大陆资讯
( www.myzaker.com)

2年前 • 喊妈妈 • -- 点击 0 评论

11

2

1

1

早晨快速录制了一个Gemini 实时多模态大模型的演示，速度快，延迟低还便宜。
期待接下来实时大模型应用的爆发。
时政
( twitter.com)

10个月前 • Leo Xiang • -- 点击 • 下载视频 0 评论

00:02:55

12

2

1

1

Stability AI正式发布了DeepFloyd IF图像生成模型，这是一个有文本编码器和三个级联的diffusion模块组合的模型。这个模型的效率要比原有的satble diffusion效率要高很多。
我尝试了一下，看起…
推特中文圈
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

13

2

1

1

这篇文章研究了当前多模态大模型的内部工作原理，包括不同模态信息在模型中的整合和方式和位置。
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 0 评论

14

2

1

1

确实可以！！巨大进步！
第一个能在图片中实现文字的 AI 模型！
时政
( twitter.com)

7个月前 • 熵增，复利，博弈 • -- 点击 0 评论

15

2

1

1

昨天 Google 发布了一款拥有 5620 亿参数的大模型 PaLM-E，项目网站

这是一个多模态的 LLM，它可以接受的数据包括：

- 语言（language）
- 图像（i…
推特中文圈
( twitter.com)

2年前 • indigo • -- 点击 0 评论

16

3

2

2

最近又密集做了一波应用，换了很多模型，感受：国内模型相比于顶尖国外模型还有差距，尤其是在真实生产环境（包括RAG、Agent、数据合成等应用中）：
- 最好的推理模型o1
- 最好的代码模型claude sonet
- 最好的多模态输入模型 gemini flash 2.0
-
时政
( twitter.com)

10个月前 • 九原客 • -- 点击 0 评论

17

2

1

1

DynamicWang 的新模型AWPortrait1.1即将在6月发布，这个模型可以生成高质量摄影风格的图片，期待！😊
可以在DynamicWang的C站页面查看他的作品和模型：…
IT技术
( twitter.com)

2年前 • sundyme • -- 点击 0 评论

18

2

1

1

【性，谎言和大模型】想象一下，一个人将一串提示词输入大模型，大模型为他生成了一张穿着暴露的少女图片；他将这张图喂给了视频生成大模型，于是得到了一个该少女跳舞的视频。随后，他将该视频上传到了成人色情网站上，获得了超高的点击量和超额收益。如果没有足够的AI对齐，上述场景正在成为现实。
大陆资讯
( tech.ifeng.com)

1年前 • 风吹大奶两边倒 • -- 点击 0 评论

19

2

1

1

【AI变鉴片大师，多模态大模型挑战超长3小时视频】包括GPT-4V等在内的同类模型基本只能处理图像。贾佳亚团队的LLaMA-VID支持单图、短视频和长视频三种输入，只通过一个非常简单的办法就达成了如上能力，那就是：单帧画面压缩到只用2个token编码。
大陆资讯
( www.qbitai.com)

1年前 • 捂裆大湿兄 • -- 点击 0 评论

20

2

1

1

利用SD的插件，你可以从文本或者图片创建3D模型，效果看起来还不错，后面可以把创建的3D模型再利用ControlNet的深度图来做其他事情。
插件是基于OpenAI Shap-E的3D模型生成模型做的。
感兴趣可以装一个试试。
🔗…
IT技术
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

21

2

1

1

看到一个多模态的用法，给图片命名……
把识别出来的图片信息用向量保存下来，后续还可以用做图片搜索
有点杀鸡牛刀的感觉！
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

22

2

1

1

之前ChatGPT只有 4o 模型可以生图，但现在最新的 app 版本可以用 o3 模型，先思考后生成图片，质量一下子上升了很多，主要是对你的图片需求能力提升了，非常懂你想要什么
最新版本直接可以选择 o3 模型，然后说你的任务，是画图还是搜索还是做深度研究。
提示词在下面👇
时政
( twitter.com)

5个月前 • 快刀青衣 • -- 点击 0 评论

23

2

1

1

微软最新发布 Phi 系列的两个全新小模型：Phi-4-multimodal（多模态）和 Phi-4-mini（迷你版） 1. Phi-4-multimodal（5.6B参数）
- 多模态能力：首次整合语音、视觉、文本处理，无需多个模型或复杂流程，统一处理多类型输入。
- 性能亮点： -
时政
( twitter.com)

8个月前 • meng shao • -- 点击 0 评论

24

2

1

1

🔥🔥🔥 这是一个精心策划的多模态大型语言模型（MLLM）列表,包含了260个论文，Pdf和github链接，整理的调理清晰，适合研究使用

包括两大部分：模型和数据集
模型论文
-基础模型，指令调整，情景学习，思维链条，视觉推理…
IT技术
( twitter.com)

2年前 • Will 3.6-6.16 硅谷 • -- 点击 0 评论

1
2
3
4
5
6
...
400
下一页

0.13515 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特