CVPR2024最佳论文：Rich Human Feedback for Text-to-Image Generation
计算机图像和模式识别2024年度大会（Computer Vision and Pattern Recognit […]
CVPR2024最佳论文：Rich Human Feedback for Text-to-Image Generation Read More »
多模态
Transformer需要戴上眼镜😎
Federico Barbero等近期发表论文：Transformers need glasses👓: Inf
Transformer需要戴上眼镜😎 Read More »
Human I/O，对多种情境性障碍（SIIDs）的统一检测方法
Human I/O是一种统一的方法，它使用自我中心视觉(egocentric vision)、多模态感知(mu
Human I/O，对多种情境性障碍（SIIDs）的统一检测方法 Read More »
BAKU：用于多任务策略学习的高效transformer架构
论文《BAKU：用于多任务策略学习的高效transformer架构》BAKU: An Efficient Tr
BAKU：用于多任务策略学习的高效transformer架构 Read More »
ChatGPT 4o的多模态能力：图片–>Excel表–>PDF文档
看视频截了张图，图上都是核聚变商业公司Logo。使用ChatGPT-4o，从该图片生成Excel表，表格包含公
ChatGPT 4o的多模态能力：图片–>Excel表–>PDF文档 Read More »
Med-Gemini，基于 Gemini 架构的先进多模态医学模型
来自Google和DeepMind的团队前几天发表了论文《Capabilities of Gemini Mod
Med-Gemini，基于 Gemini 架构的先进多模态医学模型 Read More »