做网站常用的背景图像,网站播放mp3代码,青岛做外贸网站的公司简介,有没有做彩票直播的网站公众号#xff1a;算法一只狗 文章目录 第一个#xff0c;一切都可以进行分割第二个#xff0c;开源图文回答工具第三个#xff0c;视频转换风格生成第四个#xff0c;免费好用的文档对话工具文档对话能力文档联系功能 今年#xff0c;我们见证了人工智能算法的起飞算法一只狗 文章目录 第一个一切都可以进行分割第二个开源图文回答工具第三个视频转换风格生成第四个免费好用的文档对话工具文档对话能力文档联系功能 今年我们见证了人工智能算法的起飞还有各种围绕大模型、AIGC等领域算法百花齐放。
如果说去年人工智能领域的关键词是“元宇宙”的话那么2023年无疑是属于“大模型”的一年。迄今为止国内外的科技公司、高校、研究机构已经发布了多款人工智能大模型“百模大战”不断加码。
当然作为AI从业者的我们当然要不断学习。尽管目前大模型AI还不能够替代我们但是也要求我们学会使用它帮助自己提升工作效率。
因此这期我们来总结一下上半年的一些好玩有趣的AI算法。大家有兴趣的可以查看我公众号的详细文章。
一切都可以进行分割
https://mp.weixin.qq.com/s/HROpJHlcRX64J1kMz4L9Dw
开源图文回答工具
https://mp.weixin.qq.com/s/prJ9p9NAXYio9G8WCGomqQ
视频转换风格生成
https://mp.weixin.qq.com/s/UN5meK7YKEfd32TPpiQCLQ
免费好用的文档对话工具
https://mp.weixin.qq.com/s/e4bN6ciw5vzh9KR_Vc1YCw
第一个一切都可以进行分割
一直沉静许久的CV圈被Meta发布的SAM模型给炸出圈来。
发布的新模型宣称能够“剪切”任何的图像。它可以对不熟悉的物体和图像进行零样本泛化而无需额外的训练就可以识别任意的图像。 从官方放出的demo来看只需要通过鼠标点击对应的物体就可以有效识别
又或者给定一张图片让它识别出图像中所有的物体
现在大模型都需要有通用的自适应于下游任务的能力。SAM模宣称可以直接理解不熟悉的物体和图像进行零样本分割而无需额外的训练。
第二个开源图文回答工具
在大模型的加持下图片文字的多模态模型也雨后春笋般。其中比较出名的MiniGPT-4它产生了类似于 GPT-4 中新兴的视觉语言能力。 在MiniGPT-4模型中你可以围绕一张图片和它进行对话
从模型实现上来看主要分为两步进行训练
MiniGPT-4冻结一个视觉编码器和LLM在第一个阶段使用100万个图像文本对进行训练。通过第一阶段后模型能够有效理解图像但是其生成能力变差第二个阶段则使用高质量的图像文本对数据集共3500个进行微调以显着提高其生成可靠性和整体可用性。这个阶段的计算效率很高使用单个 A100 只需要大约7分钟。 在官网放出的例子中它可以描述这张图片的内容
或者可以给这张图定制一个广告语
第三个视频转换风格生成
https://www.yuque.com/yuqueyonghumaryyq/fmvho1/rwh3g25ekk25kt2p 在以前如果要对现有的视频进行风格转换往往会造成视频闪烁。
但是这个难题近期被南洋理工大学的团队很好的解决。首先来看看他们生成的视频效果
可以看到生成的视频很丝滑而且人物的动作衔接的很连贯。
不仅仅在人物方面能够解决“闪烁”问题就连建筑上也能够很好的hold住不同的风格
同时帧与帧之间比较流畅已经能够和正常的视频相媲美了。
第四个免费好用的文档对话工具
文档对话能力
我们知道目前有一众收费的ChatPDF等文档问答网站而Claude2直接可以说秒杀这些大部分的网站
它可以在官网上传文件进行对话
而且最大可以上传5个文件每个文件最大可以10MB.
比如我这里把Claude2的技术文档上传上去让它进行总结。它能够在几秒内把PDF进行总结
同时也可以不断询问文档中的细节这个能力和ChatPDF相当
当然我们也能够利用它的能力进行excel数据分析
文档联系功能
而且只要我们上传更多的文档就可以让它总结其中之间的联系省去了我们看多个文档写总结的时间
