AI在线 AI在线

细粒度

AI “看图说话” 更懂细节！腾讯开源多模态理解技术HaploVL

AI “看图说话” 更懂细节！腾讯开源多模态理解技术HaploVL
3月27日，腾讯开源团队宣布推出了一项创新的多模态理解技术——HaploVL。 这一技术旨在通过单个Transformer架构实现高效的多模态融合，显著提升AI在视觉和语言交互中的表现，特别是在细粒度视觉理解任务上。 在人工智能领域，多模态大模型（LMMs）近年来迅速崛起，它们能够实现复杂的视觉-语言对话和交互。
3/27/2025 5:36:00 PM
AI在线
FG2024Workshop |花样滑冰人体动作识别挑战赛与研讨会启动！

FG2024Workshop |花样滑冰人体动作识别挑战赛与研讨会启动！
作为计算机视觉的国际重要会议之一，CCF C类国际会议FG 2024 (International Conference on Automatic Face and Gesture Recognition)将于2024年5月28-31日举办。花样滑冰人体动作识别挑战赛将作为花样滑冰人体动作识别研讨会的一部分与FG2024一起举办。背景计算机视觉中的人体行为理解主要关注于在视频中定位、分类和评估人类行为。然而，目前的任务对于细粒度动作分割和评估等实际应用来说是不足够的。为了解决这个问题，我们构建了一个数据集Skati
3/21/2024 2:14:00 PM
新闻助手
  • 1