4M-21
太全了！苹果上新视觉模型4M-21，搞定21种模态
当前的多模态和多任务基础模型，如 4M 或 UnifiedIO，显示出有希望的结果。然而，它们接受不同输入和执行不同任务的开箱即用能力，受到它们接受训练的模态和任务的数量（通常很少）的限制。基于此，来自洛桑联邦理工学院（EPFL）和苹果的研究者联合开发了一个任意到任意模态单一模型，该模型在数十种高度多样化的模态上进行训练，并对大规模多模态数据集和文本语料库进行协同训练。训练过程中一个关键步骤是对各种模态执行离散 tokenization，无论它们是类似图像的神经网络特征图、向量、实例分割或人体姿态等结构化数据，还是
6/25/2024 2:49:00 PM
机器之心
- 1
资讯热榜
使用 VLLM 部署 DeepSeek：基于 Ubuntu 22.04 + RTX 4090 + Docker 的完整指南
DeepSeek官方澄清：R2模型3月17日发布传闻为假消息
RAGFlow自动化脚本套件：自定义解析+回答质量评估+参数自动调优
百度AI开源表格识别模型PP-TableMagic
从DeepSeek MoE专家负载均衡谈起
DeepSeek R2 或于3月17日发布，将撼动Claude Sonnet 3.7的地位
OpenAI突然发布智能体API！支持网络和文件搜索以及computer use
32B IOI奥赛击败DeepSeek-R1！Open R1开源复刻第三弹，下一步R1-Zero
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
数据
机器人
谷歌
大模型
Midjourney
智能
模型
用户
学习
GPT
开源
微软
AI创作
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
生成式
蛋白质
芯片
Gemini
代码
神经网络
计算
腾讯
研究
Sora
AI设计
3D
AI for Science
英伟达
GPU
开发者
机器学习
场景
预测
华为
伟达
Transformer
Anthropic
模态
百度
深度学习
AI视频
驾驶
文本
苹果
搜索
神器推荐
算力
LLaMA
Copilot
安全
科技
xAI
视频生成
应用
人形机器人
字节跳动
干货合集
具身智能
2024
视觉
大语言模型
特斯拉
AGI
亚马逊
语音
Claude
AI应用场景