AI资讯新闻榜单内容搜索-VLM

关键词: AI,AI视频,CogVideoX-5B-I2V,CogVideoX-5B-I2V,标注模型

刚刚，智谱把清影背后的图生视频模型CogVideoX-5B-I2V给开源了！（在线可玩） 一起开源的还有它的标注模型cogvlm2-llama3-caption。

关键词: AI,医疗影像,AI医疗影像,MedUnA

本文提出了一种名为MedUnA的方法，旨在解决医疗图像分类中因缺乏标注数据而导致的监督学习挑战。MedUnA利用视觉-语言模型（VLMs）中的视觉与文本对齐特性，通过无监督学习来适应医疗图像分类任务。

关键词: AI,AI视觉,智能体,VLM

视觉语言模型（VLM）这项 AI 技术所取得的突破令人振奋。它提供了一种更加动态、灵活的视频分析方法。VLM 使用户能够使用自然语言与输入的图像和视频进行交互，因此更加易于使用且更具适应性。这些模型可以通过 NIM 在 NVIDIA Jetson Orin 边缘 AI 平台或独立 GPU 上运行。本文将探讨如何构建基于 VLM 的视觉 AI 智能体，这些智能体无论是在边缘抑或是在云端都能运行。

关键词: LongVILA,模型训练,VLM,视觉语言模型

现在，长上下文视觉语言模型（VLM）有了新的全栈解决方案 ——LongVILA，它集系统、模型训练与数据集开发于一体。

关键词: DeepMind,智能体,AI,DAAG,模型训练,多模态

打造终身学习智能体，是研究界以来一直追求的目标。最近，帝国理工联手谷歌DeepMind打造了创新联合框架扩散增强智能体（DAAG），利用LLM+VLM+DM三大模型，让AI完成迁移学习、高效探索。

关键词: K-Scale,AI,AI机器人,VLM,AI人物

第一次拜访K-Scale Labs的时候，好像走进了美剧《硅谷》的拍摄现场。

关键词: 模型越狱,AI,大模型,模型训练

随着人工智能（AI）技术的迅猛发展，特别是大语言模型（LLMs）如 GPT-4 和视觉语言模型（VLMs）如 CLIP 和 DALL-E，这些模型在多个技术领域取得了显著的进展。

关键词: VLM,视觉模型,AI,GPT-4o,Claude 3.5

视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？

关键词: 豆包大模型,VLM,视觉模型,AI,模型训练

当前的视觉语言模型（VLM）主要通过 QA 问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如 detail image caption 性能的可靠评测手段。

关键词: VLM,GPT-4o,Sonnet-3.5,AI,大模型

四大 VLM，竟都在盲人摸象？