单模态大模型，通常大于100M～1B参数。具有较强的通用性，比如对图片中任意物体进行分割，或者生成任意内容的图片或声音。极大降低了场景的定制成本。
2024-01-17 10:03
本篇综述通过对现有的多模态图像合成与编辑方法的归纳总结，对该领域目前的挑战和未来方向进行了探讨和分析。
2022-08-23 09:12
随着人工智能技术的不断发展，多模态成为了一个备受关注的研究方向。多模态技术旨在将不同类型的数据和信息进行融合，以实现更加准确、高效的人工智能应用。本文将详细介绍
2023-12-15 14:28
图文多模态领域典型任务如img-text retrieval、VQA、captioning、grounding等，目前的学术设定难度尚可。但是， 一旦知识范围扩展，到了open-ended
2022-09-01 17:14
目前，单流架构模型在视频分类、情感分析、图像生成等多模态领域中得以广泛应用，单流模型具有结构简单、容易实现、高准确率等优势，在虚假新闻检测领域中，是一个极具潜力的研究方向。
2023-09-11 16:26
其中最后一个表示监督信号是从图像本身中挖掘出来的，流行的方法包括对比学习、非对比学习和masked image建模。在这些方法之外，文章也进一步讨论了多模态融合、区域级和像素级图像理解等类别的预训练方法。
2023-09-26 16:42
多模态大模型的核心思想是将不同媒体数据（如文本、图像、音频和视频等）进行融合，通过学习不同模态之间的关联，实现更加智能化的信息处理。简单来说，多
2024-10-18 09:39
深度学习的大模型时代已经来临,越来越多的大规模预训练模型在文本、视觉和多模态领域展示出杰出的生成和推理能力。然而大模型巨大的参数量有两个明显缺点
2023-11-08 16:20
前段时间Google推出Gemini多模态大模型，展示了不凡的对话能力和多模态能力，其表现究竟如何呢？
2023-12-28 11:19
由于固有的模态缺口，如CLIP语义主要关注模态共享信息，往往忽略了可以增强多模态理解的模态特定知识。因此，这些研究并没有充分认识到
2023-09-25 17:26
