기술 주변기기 일체 포함 MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

Oct 17, 2023 pm 02:41 PM
ai 데이터

몇 달 전 KAUST(사우디아라비아 King Abdullah Science and Technology University)의 여러 연구원이 유사한 GPT-4 이미지 이해 및 대화를 제공할 수 있는 MiniGPT-4 라는 프로젝트를 제안했습니다. 능력.

예를 들어 MiniGPT-4는 아래 사진의 장면에 답할 수 있습니다. "사진은 얼어붙은 호수에서 자라는 선인장을 묘사합니다. 선인장 주변에는 거대한 얼음 결정이 있고 멀리 눈 덮인 봉우리가 있습니다. ..." 그런 다음 이 시나리오가 현실 세계에서 일어날 수 있는지 묻는다면? MiniGPT-4가 내놓은 대답은 이 이미지가 현실 세계에서는 흔하지 않다는 것과 그 이유다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

최근 KAUST 팀과 Meta의 연구원들은 MiniGPT-4를 MiniGPT-v2 버전으로 업그레이드했다고 발표했습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

논문 주소: https://arxiv.org/pdf/2310.09478.pdf

논문 홈페이지: https://minigpt-v2.github.io/

Demo: https: //minigpt-v2.github.io/

특히 MiniGPT-v2는 다양한 시각적 언어 작업을 더 잘 처리하기 위한 통합 인터페이스 역할을 할 수 있습니다. 동시에 이 기사에서는 모델을 훈련할 때 다양한 작업에 고유한 식별 기호를 사용할 것을 권장합니다. 이러한 식별 기호는 모델이 각 작업 지시를 쉽게 구별하고 각 작업 모델의 학습 효율성을 높이는 데 도움이 됩니다.

MiniGPT-v2 모델의 성능을 평가하기 위해 연구원들은 다양한 시각적 언어 작업에 대한 광범위한 실험을 수행했습니다. 결과에 따르면 MiniGPT-v2는 MiniGPT-4, InstructBLIP, LLaVA 및 Shikra와 같은 이전 비전 언어 범용 모델과 비교하여 다양한 벤치마크에서 SOTA 또는 이에 필적하는 성능을 달성한 것으로 나타났습니다. 예를 들어 MiniGPT-v2는 VSR 벤치마크에서 MiniGPT-4보다 21.3%, InstructBLIP은 11.3%, LLaVA는 11.7% 성능이 뛰어납니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

아래에서는 MiniGPT-v2 식별 기호의 역할을 설명하기 위해 구체적인 예를 사용합니다.

예를 들어 [접지] 인식 기호를 추가하면 모델에서 공간 위치 인식이 포함된 이미지 설명을 쉽게 생성할 수 있습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

[감지] 인식 기호를 추가하면 모델에서 직접 추출할 수 있습니다. 내부의 입력 텍스트 개체를 확인하고 그림에서 개체의 공간적 위치를 찾습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

그림에서 개체의 프레임을 지정합니다. [식별]을 추가하면 모델이 개체의 이름을 직접 식별할 수 있습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다. 패스 추가 [참조] 및 개체에 대한 설명, 모델은 개체의 해당 공간 위치를 찾는 데 직접 도움이 될 수 있습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

또한 작업을 추가하지 않고도 일치 항목을 식별하고 대화를 나눌 수도 있습니다. 사진:

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

모델의 공간지각력도 강해졌습니다. 사진의 왼쪽, 중간, 오른쪽에 등장하는 모델에게 직접 물어보세요:

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

방법 소개

MiniGPT-v2 모델 아키텍처는 아래 그림에 표시되어 있으며 시각적 백본, 선형 투영 레이어 및 대규모 언어 모델의 세 부분으로 구성됩니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

시각적 백본: MiniGPT-v2는 EVA를 백본 모델로 사용하며 훈련 중에는 시각적 백본이 고정됩니다. 모델은 448x448의 이미지 해상도로 훈련되었으며 위치 인코딩이 삽입되어 더 높은 이미지 해상도로 확장됩니다.

선형 투영 레이어: 이 문서의 목표는 고정된 시각적 백본의 모든 시각적 토큰을 언어 모델 공간으로 투영하는 것입니다. 그러나 고해상도 이미지(예: 448x448)의 경우 모든 이미지 토큰을 투영하면 매우 긴 시퀀스 입력(예: 1024 토큰)이 발생하여 훈련 및 추론 효율성이 크게 저하됩니다. 따라서 본 논문에서는 단순히 임베딩 공간에서 4개의 인접한 시각적 토큰을 연결하고 대규모 언어 모델의 동일한 기능 공간에서 단일 임베딩으로 함께 프로젝션하여 시각적 입력 토큰의 수를 4배로 줄입니다.

대규모 언어 모델: MiniGPT-v2는 오픈 소스 LLaMA2-chat(7B)을 언어 모델의 백본으로 사용합니다. 본 연구에서는 언어 모델을 다양한 시각적 언어 입력을 위한 통합 인터페이스로 간주합니다. 이 기사에서는 LLaMA-2 언어 토큰을 직접 사용하여 다양한 시각적 언어 작업을 수행합니다. 공간 위치 생성이 필요한 기본 비전 작업의 경우 이 문서에서는 공간 위치를 나타내기 위해 경계 상자의 텍스트 표현을 생성하는 언어 모델이 직접 필요합니다.

다중 작업 지시 훈련

이 문서에서는 작업 인식 기호 명령을 사용하여 모델을 훈련하며, 이는 3단계로 나뉩니다. 훈련의 각 단계에 사용된 데이터 세트는 표 2에 나와 있습니다.

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

1단계: 사전 훈련. 본 논문에서는 보다 다양한 지식을 얻기 위해 약하게 레이블이 지정된 데이터 세트에 높은 샘플링 속도를 제공합니다.

2단계: 멀티태스킹 훈련. 각 작업에서 MiniGPT-v2의 성능을 향상시키기 위해 현재 단계에서는 세분화된 데이터 세트를 사용하여 모델을 훈련하는 데에만 중점을 두고 있습니다. 연구진은 GRIT-20M, LAION 등 약하게 감독되는 데이터 세트를 1단계에서 제외하고 각 작업의 빈도에 따라 데이터 샘플링 비율을 업데이트했습니다. 이 전략을 통해 모델은 고품질로 정렬된 이미지-텍스트 데이터의 우선순위를 지정하여 다양한 작업에서 뛰어난 성능을 얻을 수 있습니다.

3단계: 다중 모드 명령 튜닝. 그 후, 이 문서에서는 모델을 미세 조정하고 챗봇으로서의 대화 기능을 향상시키기 위해 더 많은 다중 모드 명령 데이터 세트를 사용하는 데 중점을 둡니다.

마지막으로 공식에서는 독자들이 테스트할 수 있는 데모도 제공합니다. 예를 들어 아래 그림의 왼쪽에는 사진을 업로드한 다음 [감지]를 선택한 다음 모델인 "빨간 풍선"을 입력합니다. 사진 속 빨간 풍선을 확인하실 수 있습니다 :

MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.

관심 있는 독자들은 논문 홈페이지에서 자세한 내용을 확인하실 수 있습니다.

위 내용은 MiniGPT-4는 MiniGPT-v2로 업그레이드되었습니다. 다중 모드 작업은 GPT-4 없이도 완료할 수 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25 : Myrise에서 모든 것을 잠금 해제하는 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

Laravel 's geospatial : 대화식지도의 최적화 및 많은 양의 데이터 Laravel 's geospatial : 대화식지도의 최적화 및 많은 양의 데이터 Apr 08, 2025 pm 12:24 PM

7 백만 레코드를 효율적으로 처리하고 지리 공간 기술로 대화식지도를 만듭니다. 이 기사는 Laravel과 MySQL을 사용하여 7 백만 개 이상의 레코드를 효율적으로 처리하고 대화식지도 시각화로 변환하는 방법을 살펴 봅니다. 초기 챌린지 프로젝트 요구 사항 : MySQL 데이터베이스에서 7 백만 레코드를 사용하여 귀중한 통찰력을 추출합니다. 많은 사람들이 먼저 프로그래밍 언어를 고려하지만 데이터베이스 자체를 무시합니다. 요구 사항을 충족시킬 수 있습니까? 데이터 마이그레이션 또는 구조 조정이 필요합니까? MySQL이 큰 데이터로드를 견딜 수 있습니까? 예비 분석 : 주요 필터 및 속성을 식별해야합니다. 분석 후, 몇 가지 속성만이 솔루션과 관련이 있음이 밝혀졌습니다. 필터의 타당성을 확인하고 검색을 최적화하기위한 제한 사항을 설정했습니다. 도시를 기반으로 한지도 검색

Vue Axios의 시간 초과를 설정하는 방법 Vue Axios의 시간 초과를 설정하는 방법 Apr 07, 2025 pm 10:03 PM

vue axios의 타임 아웃을 설정하려면 axios 인스턴스를 생성하고 시간 초과 옵션을 지정할 수 있습니다. 글로벌 설정에서 : vue.prototype. $ axios = axios.create ({timeout : 5000}); 단일 요청 : this. $ axios.get ( '/api/user', {timeout : 100000}).

MySQL을 해결하는 방법을 시작할 수 없습니다 MySQL을 해결하는 방법을 시작할 수 없습니다 Apr 08, 2025 pm 02:21 PM

MySQL 시작이 실패하는 데는 여러 가지 이유가 있으며 오류 로그를 확인하여 진단 할 수 있습니다. 일반적인 원인에는 포트 충돌 (포트 점유 체크 및 구성 수정), 권한 문제 (서비스 실행 사용자 권한 실행), 구성 파일 오류 (파라미터 설정 확인), 데이터 디렉토리 손상 (데이터 복원 또는 테이블 공간 재건), IBDATA 테이블 공간 문제 (IBDATA1 파일 확인), 플러그로드 (확인 오류 로그)가 포함됩니다. 문제를 해결할 때 오류 로그를 기반으로 문제를 분석하고 문제의 근본 원인을 찾고 문제를 방지하고 해결하기 위해 정기적으로 데이터를 백업하는 습관을 개발해야합니다.

설치 후 MySQL을 사용하는 방법 설치 후 MySQL을 사용하는 방법 Apr 08, 2025 am 11:48 AM

이 기사는 MySQL 데이터베이스의 작동을 소개합니다. 먼저 MySQLworkBench 또는 명령 줄 클라이언트와 같은 MySQL 클라이언트를 설치해야합니다. 1. MySQL-Uroot-P 명령을 사용하여 서버에 연결하고 루트 계정 암호로 로그인하십시오. 2. CreateABase를 사용하여 데이터베이스를 작성하고 데이터베이스를 선택하십시오. 3. CreateTable을 사용하여 테이블을 만들고 필드 및 데이터 유형을 정의하십시오. 4. InsertInto를 사용하여 데이터를 삽입하고 데이터를 쿼리하고 업데이트를 통해 데이터를 업데이트하고 DELETE를 통해 데이터를 삭제하십시오. 이러한 단계를 마스터하고 일반적인 문제를 처리하는 법을 배우고 데이터베이스 성능을 최적화하면 MySQL을 효율적으로 사용할 수 있습니다.

원격 선임 백엔드 엔지니어 (플랫폼)에는 원이 필요합니다 원격 선임 백엔드 엔지니어 (플랫폼)에는 원이 필요합니다 Apr 08, 2025 pm 12:27 PM

원격 선임 백엔드 엔지니어 구직 회사 : 원 위치 : 원격 사무실 직무 유형 : 전임 급여 : $ 130,000- $ 140,000 직무 설명 전체 소프트웨어 개발 라이프 사이클을 다루는 Circle Mobile 애플리케이션 및 공개 API 관련 기능의 연구 및 개발에 참여합니다. 주요 책임은 독립적으로 Rubyonrails를 기반으로 개발 작업을 완료하고 React/Redux/Relay 프론트 엔드 팀과 협력합니다. 웹 애플리케이션의 핵심 기능 및 개선을 구축하고 기능 설계 프로세스 전반에 걸쳐 설계자 및 리더십과 긴밀히 협력하십시오. 긍정적 인 개발 프로세스를 촉진하고 반복 속도를 우선시하십시오. 6 년 이상의 복잡한 웹 애플리케이션 백엔드가 필요합니다.

MySQL이 JSON을 반환 할 수 있습니다 MySQL이 JSON을 반환 할 수 있습니다 Apr 08, 2025 pm 03:09 PM

MySQL은 JSON 데이터를 반환 할 수 있습니다. json_extract 함수는 필드 값을 추출합니다. 복잡한 쿼리의 경우 where 절을 사용하여 JSON 데이터를 필터링하지만 성능 영향에주의하십시오. JSON에 대한 MySQL의 지원은 지속적으로 증가하고 있으며 최신 버전 및 기능에주의를 기울이는 것이 좋습니다.

MySQL의 주요 키는 Null 일 수 있습니다 MySQL의 주요 키는 Null 일 수 있습니다 Apr 08, 2025 pm 03:03 PM

기본 키는 데이터베이스의 각 행을 고유하게 식별하는 키 속성이기 때문에 MySQL 기본 키는 비어있을 수 없습니다. 기본 키가 비어 있으면 레코드를 고유하게 식별 할 수 없으므로 데이터 혼동으로 이어질 수 있습니다. 자체 점수 정수 열 또는 UUID를 기본 키로 사용하는 경우 효율성 및 우주 점유와 같은 요소를 고려하고 적절한 솔루션을 선택해야합니다.

산성 특성 이해 : 신뢰할 수있는 데이터베이스의 기둥 산성 특성 이해 : 신뢰할 수있는 데이터베이스의 기둥 Apr 08, 2025 pm 06:33 PM

데이터베이스 산 속성에 대한 자세한 설명 산 속성은 데이터베이스 트랜잭션의 신뢰성과 일관성을 보장하기위한 일련의 규칙입니다. 데이터베이스 시스템이 트랜잭션을 처리하는 방법을 정의하고 시스템 충돌, 전원 중단 또는 여러 사용자의 동시 액세스가 발생할 경우에도 데이터 무결성 및 정확성을 보장합니다. 산 속성 개요 원자력 : 트랜잭션은 불가분의 단위로 간주됩니다. 모든 부분이 실패하고 전체 트랜잭션이 롤백되며 데이터베이스는 변경 사항을 유지하지 않습니다. 예를 들어, 은행 송금이 한 계정에서 공제되지만 다른 계정으로 인상되지 않은 경우 전체 작업이 취소됩니다. BeginTransaction; updateAccountssetBalance = Balance-100WH

See all articles