너무 완벽해요! Apple, 21가지 모드를 지원하는 새로운 비주얼 모델 4M-21 출시
**4M** 또는 **UnifiedIO**와 같은 현재 멀티모달 및 멀티태스킹 기본 모델은 유망한 결과를 보여줍니다. 그러나 다양한 입력을 받아들이고 다양한 작업을 수행하는 기본 능력은 훈련받은 양식 및 작업의 수(대개 적은)에 의해 제한됩니다.
이를 바탕으로 EPFL(École Polytechnique Fédérale de Lausanne)의 연구원과 Apple은 공동으로 수십 개의 행동 교육에서 **광범위** 다양한 **고급** 모든 대 모든 모달 단일 모델을 개발했습니다. 다양한 양식을 활용하고 대규모 다중 모드 데이터 세트와 텍스트 말뭉치에 대한 협업 교육을 수행합니다.
학습 프로세스의 핵심 단계는 이미지와 같은 신경망 **특징 맵**, 벡터, 인스턴스 분할 또는 인간 포즈와 같은 구조화된 데이터인지 여부에 관계없이 다양한 양식에 대해 개별 **토큰화**를 수행하는 것입니다. 텍스트로 표현될 수 있는 데이터입니다.
논문 주소: https://arxiv.org/pdf/2406.09406
논문 홈페이지 https://4m.epfl.ch/
논문 제목: 4M-21: An Any 수십 가지 작업 및 양식에 대한 모든 비전 모델
이 연구에 따르면 단일 모델 교육은 기존 모델보다 최소 **3배** 많은 작업/**양식**을 완료할 수 있으며, 성능이 저하되지 않습니다. 또한, 이 연구는 더욱 세밀하고 제어 가능한 다중 모드 데이터 생성 기능도 달성합니다.
이 연구는 다중 모드 마스크 사전 훈련 체계를 기반으로 하며 수십 가지의 매우 다양한 양식에 대한 훈련을 통해 모델 기능을 향상시킵니다. 본 연구에서는 양식별 개별 토크나이저를 사용하여 인코딩함으로써 다양한 양식에 대한 단일 통합 모델을 훈련할 수 있습니다.
간단히 말하면, 이 연구는 여러 주요 차원에서 기존 모델의 기능을 확장합니다.
양식: 기존 최고의 임의-임의 모델의 7개 양식에서 21개의 다른 양식으로 교차 모드 검색, 제어 가능한 생성 가능 , 강력한 기본 성능을 제공합니다. 단일 비전 모델이 성능 저하나 기존의 다중 작업 학습 없이 다양한 방식으로 수십 개의 다양한 작업을 해결할 수 있는 것은 이번이 처음입니다.
다양성: 사람의 포즈, SAM 인스턴스, 메타데이터 등과 같은 보다 구조화된 데이터에 대한 지원을 추가합니다.
토큰화: 전역 이미지 임베딩, 인간 포즈, 의미론적 인스턴스와 같은 양식별 방법을 사용하여 다양한 양식의 개별 토큰화를 연구합니다.
확장: 모델 크기를 3B 매개변수로 확장하고 데이터 세트를 0.5B 샘플로 확장합니다.
협력 교육: 시각과 언어에 대한 협력 교육을 동시에 제공합니다.
방법 소개
본 연구에서는 4M 사전 훈련 방식(이 연구도 EPFL과 Apple에서 나와 작년에 발표됨)을 사용했는데, 이는 다중으로 효과적으로 확장할 수 있는 일반적인 방법임이 입증되었습니다. - 양식.
구체적으로 이 문서에서는 모델 및 데이터 세트의 크기를 확장하고, 모델 교육에 관련된 양식의 유형 및 수를 늘리고, 여러 데이터 세트를 공동으로 사용하여 아키텍처 및 다중 모드 마스크 교육 목표를 변경하지 않고 유지합니다. 모델의 성능과 적응성을 향상시킵니다.
모달리티는 아래 그림과 같이 RGB, 기하학, 의미, 가장자리, 기능 맵, 메타데이터 및 텍스트 카테고리로 구분됩니다.
토큰화
토큰화에는 주로 다양한 양식과 작업을 시퀀스 또는 개별 토큰으로 변환하여 표현 공간을 통합하는 것이 포함됩니다. 연구원들은 그림 3과 같이 다양한 토큰화 방법을 사용하여 다양한 특성을 가진 모드를 구분합니다. 요약하자면, 이 기사에서는 ViT 토크나이저, MLP 토크나이저, 텍스트 토크나이저를 포함한 세 가지 토크나이저를 사용합니다.
아키텍처 선택 측면에서 이 기사에서는 Transformer 기반의 4M 인코더-디코더 아키텍처를 채택하고 새로운 양식에 적응하기 위해 추가 모달 임베딩을 추가합니다.
실험 결과
다음으로 이 논문은 4M-21의 다중 모드 기능을 보여줍니다.
다중 모드 생성
반복적 디코딩 토큰을 기반으로 4M-21을 사용하여 모든 훈련 양식을 예측할 수 있습니다. 그림 2에서 볼 수 있듯이 이 논문은 주어진 입력 양식에서 일관된 방식으로 모든 양식을 생성할 수 있습니다.
게다가 이 연구는 다른 양식의 하위 집합에서 조건부 및 무조건적으로 모든 훈련 양식을 생성할 수 있으므로 그림 4와 같이 세분화된 다중 모드 생성을 수행하는 여러 가지 방법을 지원합니다. 예를 들어 다중 모드 편집을 수행합니다. . 또한 4M-21은 T5-XXL 임베딩과 일반 자막 모두에서 향상된 텍스트 이해를 보여 기하학적으로나 의미적으로 건전한 생성을 가능하게 합니다(그림 4, 오른쪽 상단).
다중 모드 검색
그림 5에 표시된 것처럼 4M-21은 다른 양식을 쿼리로 사용하여 RGB 이미지 또는 기타 양식을 검색하는 등 원래 DINOv2 및 ImageBind 모델에서는 불가능했던 검색 기능을 잠금 해제합니다. . 또한 4M-21은 여러 양식을 결합하여 전역 임베딩을 예측할 수 있으므로 오른쪽에 표시된 것처럼 검색을 더 효과적으로 제어할 수 있습니다.
기본 제공
4M-21은 그림 6과 같이 기본적으로 다양한 일반적인 비전 작업을 수행할 수 있습니다.
표 1은 DIODE 표면 법선 및 깊이 추정, COCO 의미론 및 인스턴스 분할, 3DPW 3D 인간 자세 추정 등을 평가합니다.
전이 실험
또한 이 기사에서는 B, L, XL의 세 가지 크기 모델도 훈련했습니다. 그런 다음 해당 인코더는 다운스트림 작업으로 전송되고 단일 모드(RGB) 및 다중 모드(RGB + 깊이) 설정에서 평가됩니다. 모든 전송 실험은 디코더를 폐기하고 대신 작업별 헤드를 훈련합니다. 결과는 표 2에 나와 있습니다.
마지막으로 이 논문에서는 NYUv2에서 다중 모드 전송, Hypersim 의미론적 분할 및 ARKitScenes에서 3D 객체 감지를 수행합니다. 표 3에서 볼 수 있듯이 4M-21은 선택적 깊이 입력을 최대한 활용하고 기준선을 크게 향상시킵니다.
위 내용은 너무 완벽해요! Apple, 21가지 모드를 지원하는 새로운 비주얼 모델 4M-21 출시의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

역시 Tusheng 영상이지만 PaintsUndo는 다른 경로를 택했습니다. ControlNet 작성자 LvminZhang이 다시 살기 시작했습니다! 이번에는 회화 분야를 목표로 삼고 있습니다. 새로운 프로젝트인 PaintsUndo는 출시된 지 얼마 되지 않아 1.4kstar(여전히 상승세)를 받았습니다. 프로젝트 주소: https://github.com/lllyasviel/Paints-UNDO 이 프로젝트를 통해 사용자는 정적 이미지를 입력하고 PaintsUndo는 자동으로 라인 초안부터 완성품 따라가기까지 전체 페인팅 과정의 비디오를 생성하도록 도와줍니다. . 그리는 과정에서 선의 변화가 놀랍습니다. 최종 영상 결과는 원본 이미지와 매우 유사합니다. 완성된 그림을 살펴보겠습니다.

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 논문의 저자는 모두 일리노이 대학교 Urbana-Champaign(UIUC)의 Zhang Lingming 교사 팀 출신입니다. Steven Code Repair, 박사 4년차, 연구원

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 인공 지능 개발 과정에서 LLM(대형 언어 모델)의 제어 및 안내는 항상 핵심 과제 중 하나였으며 이러한 모델이 두 가지 모두를 보장하는 것을 목표로 했습니다. 강력하고 안전하게 인간 사회에 봉사합니다. 인간 피드백(RL)을 통한 강화 학습 방법에 초점을 맞춘 초기 노력

건배! 종이 토론이 말로만 진행된다면 어떤가요? 최근 스탠포드 대학교 학생들은 arXiv 논문에 대한 질문과 의견을 직접 게시할 수 있는 arXiv 논문에 대한 공개 토론 포럼인 alphaXiv를 만들었습니다. 웹사이트 링크: https://alphaxiv.org/ 실제로 이 웹사이트를 특별히 방문할 필요는 없습니다. URL에서 arXiv를 alphaXiv로 변경하면 alphaXiv 포럼에서 해당 논문을 바로 열 수 있습니다. 논문, 문장: 오른쪽 토론 영역에서 사용자는 저자에게 논문의 아이디어와 세부 사항에 대해 질문하는 질문을 게시할 수 있습니다. 예를 들어 다음과 같이 논문 내용에 대해 의견을 제시할 수도 있습니다.

AI 모델이 내놓은 답변이 전혀 이해하기 어렵다면 감히 사용해 보시겠습니까? 기계 학습 시스템이 더 중요한 영역에서 사용됨에 따라 우리가 그 결과를 신뢰할 수 있는 이유와 신뢰할 수 없는 경우를 보여주는 것이 점점 더 중요해지고 있습니다. 복잡한 시스템의 출력에 대한 신뢰를 얻는 한 가지 가능한 방법은 시스템이 인간이나 다른 신뢰할 수 있는 시스템이 읽을 수 있는 출력 해석을 생성하도록 요구하는 것입니다. 즉, 가능한 오류가 발생할 수 있는 지점까지 완전히 이해할 수 있습니다. 설립하다. 예를 들어, 사법 시스템에 대한 신뢰를 구축하기 위해 우리는 법원이 자신의 결정을 설명하고 뒷받침하는 명확하고 읽기 쉬운 서면 의견을 제공하도록 요구합니다. 대규모 언어 모델의 경우 유사한 접근 방식을 채택할 수도 있습니다. 그러나 이 접근 방식을 사용할 때는 언어 모델이 다음을 생성하는지 확인하세요.

최근 새천년 7대 과제 중 하나로 알려진 리만 가설이 새로운 돌파구를 마련했다. 리만 가설은 소수 분포의 정확한 특성과 관련된 수학에서 매우 중요한 미해결 문제입니다(소수는 1과 자기 자신으로만 나눌 수 있는 숫자이며 정수 이론에서 근본적인 역할을 합니다). 오늘날의 수학 문헌에는 리만 가설(또는 일반화된 형식)의 확립에 기초한 수학적 명제가 천 개가 넘습니다. 즉, 리만 가설과 그 일반화된 형식이 입증되면 천 개가 넘는 명제가 정리로 확립되어 수학 분야에 지대한 영향을 미칠 것이며, 리만 가설이 틀린 것으로 입증된다면, 이러한 제안의 일부도 그 효과를 잃을 것입니다. MIT 수학 교수 Larry Guth와 Oxford University의 새로운 돌파구

시계열 예측에 언어 모델을 실제로 사용할 수 있나요? Betteridge의 헤드라인 법칙(물음표로 끝나는 모든 뉴스 헤드라인은 "아니오"로 대답할 수 있음)에 따르면 대답은 아니오여야 합니다. 사실은 사실인 것 같습니다. 이렇게 강력한 LLM은 시계열 데이터를 잘 처리할 수 없습니다. 시계열, 즉 시계열은 이름에서 알 수 있듯이 시간 순서대로 배열된 데이터 포인트 시퀀스 집합을 나타냅니다. 시계열 분석은 질병 확산 예측, 소매 분석, 의료, 금융 등 다양한 분야에서 중요합니다. 시계열 분석 분야에서는 최근 많은 연구자들이 LLM(Large Language Model)을 사용하여 시계열의 이상 현상을 분류, 예측 및 탐지하는 방법을 연구하고 있습니다. 이 논문에서는 텍스트의 순차적 종속성을 잘 처리하는 언어 모델이 시계열로도 일반화될 수 있다고 가정합니다.

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 서문 최근 몇 년 동안 다양한 분야에서 MLLM(Multimodal Large Language Model)의 적용이 눈에 띄는 성공을 거두었습니다. 그러나 많은 다운스트림 작업의 기본 모델로서 현재 MLLM은 잘 알려진 Transformer 네트워크로 구성됩니다.
