vlm

AI在线免费视频工具2：视频配声音；图片说话hedrahttps://deepmind.google/discover/blog/generating-audio-for-video/ https://www.videotosoundeffects.com/ （免费在线使用）

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.06.05-2024.06.10标题:TRINS：建立能够阅读的多模态语言模型author:Ruiyi Zhang, Yanzhe Zhang, Jian Chen, Yufan Zhou, Jiuxiang Gu, Changyou Chen, Tong Sun

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.06.01-2024.06.05标题:CountCLIP – [Re] 教 CLIP 数到十author:Harshvardhan Mestha, Tejas Agarwal, Karan Bania, Shreyas V, Yash Bhisikar

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.05.10-2024.05.20标题:Diff-BGM：视频背景音乐生成的扩散模型author:Sizhe Li, Yiming Qin, Minghang Zheng, Xin Jin, Yang Liu

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.04.15-2024.04.25标题:AutoGluon-Multimodal (AutoMM)：用基础模型增强多模态 AutoMLauthor:Zhiqiang Tang, Haoyang Fang, Su Zhou, Taojiannan Yang, Zihan Zhong, Tony Hu, Katrin Kirchhoff, George Karypis

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.04.25-2024.05.01标题:用于领域泛化的软提示生成author:Shuanghao Bai, Yuedi Zhang, Wanqi Zhou, Zhirong Luan, Badong Chen

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.05.20-2024.05.25标题:LM4LV：用于低级视觉任务的冻结大型语言模型author:Boyang Zheng, Jinjin Gu, Shijun Li, Chao Dong

【第3节】“茴香豆“：搭建你的 RAG 智能助理【资源汇总】文档 | 视频 | 论文：Retrieval-Augmented Generation for Large Language Models: A Survey

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.04.10-2024.04.15标题:利用受控视觉语言模型在野外进行逼真图像修复author:Ziwei Luo, Fredrik K. Gustafsson, Zheng Zhao, Jens Sjölund, Thomas B. Schön

多模态之ALBEF—先对齐后融合，利用动量蒸馏学习视觉语言模型表征，学习细节理解与论文详细阅读：Align before FuseAlign before Fuse: Vision and Language Representation Learning with Momentum Distillation （ALBEF）在融合之前对齐：利用动量蒸馏进行视觉与语言表示学习

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.04.05-2024.04.10标题:BRAVE：拓宽视觉语言模型的视觉编码author:Oğuzhan Fatih Kar, Alessio Tonioni, Petra Poklukar, Achin Kulshrestha, Amir Zamir, Federico Tombari

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.03.31-2024.04.05标题:了解你的邻居：通过空间视觉语言推理改进单视图重构author:Rui Li, Tobias Fischer, Mattia Segu, Marc Pollefeys, Luc Van Gool, Federico Tombari

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.03.25-2024.03.31标题:无法解决的问题检测：评估视觉语言模型的可信度author:Atsuyuki Miyai, Jingkang Yang, Jingyang Zhang, Yifei Ming, Qing Yu, Go Irie, Yixuan Li, Hai Li, Ziwei Liu, Kiyoharu Aizawa

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.03.20-2024.03.25标题:极乐世界通过 MLLM 探索视频中的物体级感知author:Han Wang, Yanjie Wang, Yongjie Ye, Yuxiang Nie, Can Huang

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.03.05-2024.03.10标题:RESTORE：实现视觉语言提示学习的特征转移author:Yuncheng Yang, Chuyan Zhang, Zuopeng Yang, Yuting Gao, Yulei Qin, Ke Li, Xing Sun, Jie Yang, Yun Gu

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.01.01-2024.01.10标题:机器人融合：通过 SAM 实现稳健的多模态 3D 物体检测author:Ziying Song, Guoxing Zhang, Lin Liu, Lei Yang, Shaoqing Xu, Caiyan Jia, Feiyang Jia, Li Wang

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.02.15-2024.02.20标题:你的视觉语言模型本身就是一个强大的过滤器：利用数据选择实现高质量的指令调整author:Ruibo Chen, Yihan Wu, Lichang Chen, Guodong Liu, Qi He, Tianyi Xiong, Chenxi Liu, Junfeng Guo, Heng Huang

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.01.15-2024.01.20标题:RAD-DINO：探索文本监督之外的可扩展医学图像编码器author:Fernando Pérez-García, Harshita Sharma, Sam Bond-Taylor, Kenza Bouzid, Valentina Salvatelli, Maximilian Ilse, Shruthi Bannur, Daniel C. Castro, Anton Schwaighofer, Matthew P. Lungren, Maria Wetscherek, Noel Codella, S

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.02.01-2024.02.05标题:通过大型语言模型的帮助实现可通用的实体基础author:Lu Qi, Yi-Wen Chen, Lehan Yang, Tiancheng Shen, Xiangtai Li, Weidong Guo, Yu Xu, Ming-Hsuan Yang

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.02.20-2024.02.25标题:在大型视觉语言模型中表示在线手写识别author:Anastasiia Fadeeva, Philippe Schlattner, Andrii Maksai, Mark Collier, Efi Kokiopoulou, Jesse Berent, Claudiu Musat