您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
上海AI实验室发布新一代书生·视觉大模型，视觉核心任务开源领先
2024年01月30日 由 neo 发表
387
0
近日，上海人工智能实验室携手清华大学、香港中文大学和商汤科技等机构，正式开源了新一代的书生·视觉大模型（InternVL）。
据了解，这款名为InternVL-6B的视觉编码器模型拥有高达60亿的参数量，标志着在视觉大模型领域的一次重大突破。该模型首次采用了对比-生成融合的渐进式对齐技术，实现了在互联网级别数据上视觉大模型与语言大模型的精细对齐。这意味着，InternVL-6B不仅能够处理复杂图片中的细微视觉信息，还能完成图生文任务。
更令人瞩目的是，InternVL-6B还具备解读复杂页面信息的能力，甚至能够解决其中的数理问题。这一功能的实现，无疑进一步扩大了其在各个领域的实际应用范围。
上海AI实验室在视觉大模型的研发上一直走在前沿。2021年，他们发布了书生1.0，成为国内首个广泛覆盖多种视觉任务的大模型。该模型仅需一个基模型，便能全面覆盖分类、目标检测、语义分割、深度估计四大视觉核心任务。
而在2022年，他们再次更新发布了视觉大模型InternImage。这一模型构建了以动态稀疏卷积为核心操作的视觉大模型新架构，开创了非Transformer的大模型架构新途径。在12类视觉任务中，InternImage展现出了卓越的性能表现。
可以预见，随着视觉大模型的持续发展和应用，其在各个领域的潜力将得到进一步释放。
文章来源：https://tech.ifeng.com/c/8WlVQ72sQlW
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消