LanguageBind

用语言对齐多模态信息，北大腾讯等提出LanguageBind，刷新多个榜单

北京大学与腾讯等机构的研究者们提出了多模态对齐框架 ——LanguageBind。该框架在视频、音频、文本、深度图和热图像等五种不同模态的下游任务中取得了卓越的性能，刷榜多项评估榜单，这标志着多模态学习领域向着「大一统」理念迈进了重要一步。在现代社会，信息传递和交流不再局限于单一模态。我们生活在一个多模态的世界里，声音、视频、文字和深度图等模态信息相互交织，共同构成了我们丰富的感知体验。这种多模态的信息交互不仅存在于人类社会的沟通中，同样也是机器理解世界所必须面对的挑战。如何让机器像人类一样理解和处理这种多模态的

11/9/2023 2:30:00 PM

机器之心

资讯热榜

Unsloth发布Qwen3动态量化2.0版本，优化本地运行体验小米开源“Xiaomi MiMo”大模型：为推理而生，以 7B 参数超越 OpenAI o1-mini 小米首个推理大模型Xiaomi MiMo开源小米首个推理大模型开源Xiaomi MiMo，70 亿参数 DeepSeek-Prover-V2-671B 模型开源，数学推理领域迎来新突破看不懂新开源的DS-Prover V2版本？解读来了，攻克像人类一样数学证明，达到SoTA水平，不知道如何测？样题来了大BUG！非学生用户竟能白嫖谷歌顶级AI全家桶白嫖攻略速看 Midjourney V7推出全新功能 “Omni-Reference”，让图像生成更灵活

标签云

人工智能 OpenAI AI AIGC ChatGPT AI绘画 DeepSeek 模型数据机器人谷歌大模型 Midjourney 智能用户开源学习 GPT 微软 Meta 图像 AI创作技术论文 Gemini 马斯克 Stable Diffusion 算法蛋白质芯片代码生成式英伟达腾讯神经网络研究 Anthropic 计算 3D Sora AI for Science AI设计机器学习开发者 GPU AI视频华为场景人形机器人预测百度苹果伟达 Transformer 深度学习 Claude xAI 模态字节跳动大语言模型搜索驾驶具身智能神器推荐文本 LLaMA Copilot 算力训练视觉安全视频生成干货合集应用科技大型语言模型亚马逊智能体 AGI DeepMind