LLaVA和LLaVA-Plus视觉指令微调及工具使用构建多模态智能体 - 代码天地

LLaVA和LLaVA-Plus视觉指令微调及工具使用构建多模态智能体

业界资讯 2024-01-08 18:12:08 阅读次数: 0

NoSuchKey

猜你喜欢

转载自blog.csdn.net/adreammaker/article/details/135101949

LLaVA和LLaVA-Plus视觉指令微调及工具使用构建多模态智能体

微软发布医学多模态大模型LLaVA-Med | 基于LLaVA的医学指令微调

LLaVA：将视觉微调引入大模型

多模态大语言模型 LlaVA 论文解读：Visual Instruction Tuning

基于LLMs的多模态大模型（MiniGPT-4，LLaVA，mPLUG-Owl，InstuctBLIP，X-LLM）

本地部署体验LISA模型（LISA≈图像分割基础模型SAM+多模态大语言模型LLaVA）

Power-LLaVA：大语言模型结合视觉技术，提升检测效率 !

LaVIN—多模态对话模型的高效指令微调

从零训练一个多模态LLM：预训练+指令微调+对齐+融合多模态+链接外部系统

Bedrock Claude3 多模态能力和 Grafana 构建智能巡检平台

LLaMA模型指令微调字节跳动多模态视频大模型 Valley 论文详解

LLaVA（NeurIPS 2023, Oral）-图文聊天模型论文解读

通用多模态工具LLaMA-Adapter，微调7B模型只用单GPU！

从视觉和音频角度看多模态学习的过去与未来

多模态智能的发展

Transformer作者：指令型智能体的构建之法

智能体前沿论文分享┆PEER：使用多智能体框架和调优方法完成特定领域任务

XTuner 微调 LLM:1.8B、多模态、Agent

WarAgent使用多智能体理解人类历史和预防未来国际冲突

视觉语言多模态预训练综述

一文彻底搞懂多模态 - 多模态理解+视觉大模型+多模态检索

多模态大模型(大模型基础、微调、视频理解多模态预训练)

MLM（CLIP，BLIP，BLIP2，LLaVA，MiniCPT，InstructBLIP，mPLUG-owl）

【计算机视觉】BLIP：统一理解和生成的自举多模态模型

计算机视觉中的监督学习：多模态、数据增强和迁移学习

面向文本和视觉线索联合推断的多模态上下文推理方法 | ACL 2023

多模态PaliGemma——Google推出的基于SigLIP和Gemma的视觉语言模型

多模态和多智能体系统与理性的结合综述研究

视觉控制器和智能视觉软件一体化设计方案

一句话让AI帮你做UI测试，多模态测试智能体AUITestAgent来了

今日推荐

周排行

教你如何约女孩子的方式去理解（TCP三次握手与四次挥手）

android按压背景

【量化小讲堂-Python&Pandas系列10】如何判断一个策略的好坏？(附代码)

编程题：利用链表实现栈

盘点47条 Allegro 使用技巧，你都知道吗？

在VMware Workstation中安装CentOS

二叉树的实现

cmake安装jsoncpp

ReactNative开发城市列表页

最全前端学习资源

每日归档

更多

2025-03-20(0)

2025-03-19(0)

2025-03-18(0)

2025-03-17(0)

2025-03-16(0)

2025-03-15(0)

2025-03-14(0)

2025-03-13(0)

2025-03-12(0)

2025-03-11(0)