浅谈视觉语言模型（Vision-Language Models, VLMs）
视觉语言模型（Vision-Language Models, VLMs）是同时处理视觉信息和文本信息的深度学习 […]
浅谈视觉语言模型（Vision-Language Models, VLMs） Read More »
多模态
“FACTS”框架：基于检索增强生成（RAG）的聊天机器人构建框架
论文FACTS About Building Retrieval Augmented Generation-b
“FACTS”框架：基于检索增强生成（RAG）的聊天机器人构建框架 Read More »
利用越狱图像（Jailbreak Images）攻击多模态融合模型
论文Gradient-based Jailbreak Images for Multimodal Fusion
利用越狱图像（Jailbreak Images）攻击多模态融合模型 Read More »
Movie Gen：来自Meta的先进多媒体基础AI模型集
近日，Meta发布了多媒体基础模型集Movie Gen，号称最先进（the most advanced med
Movie Gen：来自Meta的先进多媒体基础AI模型集 Read More »
AOI（Augmented Object Intelligence）：增强对象智能
空间计算（spatial computing）和人工智能（AI）的进展为扩展现实（extended reali
AOI（Augmented Object Intelligence）：增强对象智能 Read More »