LLaVA-1.5：比GPT-4V更快、更强的多模态大模型

新知榜官方账号

2023-10-09 01:28:27

LLaVA-1.5：比GPT-4V更快、更强的多模态大模型

LLaVA-1.5是一款比GPT-4V更快、更强的多模态大模型，可以在11个基准测试上实现SOTA，并可以直接对打GPT-4V。同时，它还可以从图中提取信息，按照要求的格式进行回答，比如以JSON格式输出。LLaVA-1.5的训练只需要120万公开数据，即可超越14.5亿训练数据的Qwen-VL和1.3亿数据的HuggingFaceIDEFICS。

LLaVA-1.5的硬杠能力令人印象深刻，它可以根据用户的指示正确微调输出格式，并且不需要使用ChatGPT对VQA数据进行额外处理。LLaVA-1.5基于LLaVA框架，建立了更强大、更有实用性的基线。LLaVA-1.5的改进、易于重现的基线能，会为开源LMM的未来提供很有价值的参考。

LLaVA-1.5在视觉推理能力方面表现出色，在基于现实生活的视觉指令跟随任务的基准测试中，LLaVA甚至超过了最新的模型。LLaVA的设计非常有效，仅使用了InstructBLIP所用数据集的一个子集，LLaVA就已经在三项任务中全部超越了InstructBLIP。LLaVA的优势在于，它能熟练地遵循复杂指令。而且，尽管LLaVA-1.5只用了有限的格式指令进行训练，但它可以泛化到其他格式指令。

LLaVA-1.5存在一些局限性，比如LLaVA使用了完整的图像patch，这可能会延长每次训练迭代的时间。LLaVA-1.5还不能处理多幅图像，原因是缺乏此类指令跟随数据，以及上下文长度的限制。LLaVA-1.5的解决问题的能力在某些领域仍会受到限制，这可以通过更强大的语言模型和高质量、有针对性的视觉指令微调数据来改善。最后，LLaVA-1.5难免会产生幻觉和错误信息，因此在关键应用中应谨慎使用。

LLaVA-1.5的作者分别是威斯康星大学麦迪逊分校计算机科学的博士生HaotianLiu和YuhengLi，以及微软雷德蒙德研究院的首席研究员ChunyuanLi。他们的研究重点是计算机视觉和机器学习，尤其是视觉感知和理解方面的高效算法。

本页网址：https://www.xinzhibang.net/article_detail-15963.html

寻求报道，请

关键词

LLaVA-1.5 GPT-4V 多模态大模型

分享至微信：

相关工具

Magic Write

Canva旗下AI文案生成器

爱改写

AI改写、纠错、润色辅助工具

创作王

AI一键帮助你创作营销内容

ContentBot

AI快速写作工具

Cohesive

人工智能文案内容创作和编辑工具

5118 SEO优化精灵

一键式生成高质量SEO文章，提高搜索引擎排名获得更多流量

三个国外专业免费的调色网站

三个国外专业免费的调色网站无论制作视频、编辑图片，合适的色彩会让你的作品增加视觉冲击力，所以专业的调色技术价值非凡，一部电影或一部好的视频、图片海报，专业调色耗费少则上万，多则上百万，只是大家对专业调色这个行业知之甚少，今天网玩君就为大家分享三个国外专业免费的调色网站，记得收藏好，以后编辑视频、图片

分类标签调色网站免费

04-18 16:42

电影制作中的纹理技术

纹理在电影制作中的重要性纹理是指将详细的表面特征应用于3D模型或视觉效果元素，使其看起来更逼真。纹理对于创建视觉上引人入胜且可信的电影场景至关重要，尤其是涉及CGI、动画或特效的场景。纹理还支持叙事和讲故事，可以通过纹理设置年龄大小等属性，为故事奠定基础。纹理技术的发展历程自胶片问世以来，电影制作人

分类标签纹理电影制作CGI视觉效果微缩模型UV映射

04-18 16:42

UnrealSynth虚幻合成数据生成器-NSDT

UnrealSynth虚幻合成数据生成器-NSDTUnrealSynth基于UE5虚幻引擎开发，可用于生成合成数据集，包括图像和标注数据。可用于各种行业细分场景中目标识别任务的实施效率提高。UnrealSynth合成数据工具包内容UnrealSynth基于UE5虚幻引擎开发，目前支持YOLO系列模型

分类标签 UnrealSynth虚幻引擎数据合成YOLO模型深度学习训练数据

04-18 16:42

人工智能与音乐：谷歌的Project Magenta

谷歌的Project Magenta利用人工智能技术生成音乐和其他艺术形式，如素描、视频和笑话。该项目的目标是为人们创造新的交流方式。本文介绍了该项目的背景、发展历程和应用。在上世纪90年代中期，谷歌研究院的Douglas Eck就开始了他的人生目标：融合人工智能与音乐。二十年后，他与一支谷歌研究团

分类标签人工智能音乐谷歌

04-18 16:42

如何做好SEO优化？

如何做好SEO优化？想要做好SEO优化，得从站内优化和站外优化两个方面入手。一、站内优化1.关键词定位和分析关键词整理是SEO优化中的核心工作，一旦定下来就不建议再次去更改。站长始终要记住关键词一定要和行业、产品、领域息息相关，同时还可以参考竞争对手所做的关键词，可以利用站长工具、5118、爱站网、

分类标签 SEO优化关键词定位网站架构布局

12-11 08:19

万兴科技：营收实现稳健增长，拥抱AIGC新机遇

万兴科技：营收实现稳健增长，拥抱AIGC新机遇国元证券股份有限公司耿军军近期对万兴科技进行研究并发布了研究报告《2022年年度报告点评：营收实现稳健增长，拥抱AIGC新机遇》，本报告对万兴科技给出买入评级，当前股价为75.24元。万兴科技(300624)事件：公司于2023年4月7日收盘后发布《20

分类标签万兴科技营收增长AIGC

12-11 02:11

AI分身市场潜力巨大，万兴科技、京东等已率先布局

“AI孙燕姿”和“CarynAI”引爆市场最近，“AI孙燕姿”和“CarynAI”以以假乱真的程度引爆市场，都是通过采集本人的语音、文字、图像等素材，并通过开源的生成式训练模型进行训练而成。其中，“CarynAI”成功地借助AI技术，打造了自己的AI分身，通过付费的方式，跟AI版的自己进行交往，预计

分类标签 AI孙燕姿CarynAIAI分身AIGC技术虚拟主播数字人

12-11 02:10

万兴科技推出名师必备讲演神器“万兴智演”

万兴科技推出名师必备讲演神器“万兴智演”9月8日，万兴科技面向泛知识领域，推出名师必备讲演神器“万兴智演”。该款AI演示新品集成强大的AIGC能力、精美的行业课程模板以及动画特效素材，大大简化课件制作过程。同时，产品内置强大的录制、直播功能，通过真人实拍与演示内容相结合的形式，实现人景融合的实时演示

分类标签万兴科技万兴智演AI演示

12-11 02:09

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲2023互联网岳麓峰会论坛上，万兴科技创始人、董事长兼总裁吴太兵进行主题演讲。红网时刻新闻记者郭雅倩甘红长沙报道十届、十年，岳麓峰会从2014年的“湖湘汇”到如今云集万人的盛会，积攒了巨大的关注度和影响力。6月19日，2023互联网岳麓峰会在长

分类标签万兴科技吴太兵岳麓峰会

12-11 02:05

樟宜机场：通过科技改变旅客体验

樟宜机场：通过科技改变旅客体验樟宜机场在智能手机上移动的小红点代表了在机场上空飞行的飞机，通过传感器的追踪获取了相关飞行轨迹。机场通过人工智能、面部识别和数据分析等技术的应用，不断提高机场运营效率，保持创新，致力于成为一个旅客体验更佳、充满活力的目的地。人工智能优化机场运营效率樟宜机场在2017年共

分类标签樟宜机场科技旅客体验

12-10 22:16

相关快讯

秘塔写作猫怎么看文献？

秘塔写作猫看文献步骤分为以下几个步骤： 1、初筛论文标题、关键字、摘要； 2、扫一遍图表以及标题、图注，回到引言； 3、了解文章的细节信息，包括实验具体步骤等，对于自身科研项目的开展设计有重要参考价值，文章的结果和讨论部分； 4、用一句话概括实验、结果、讨论章节中的每一段内容，组成一个阅读笔记； 5、给出建议。

2023-06-25 11:00:10

秘塔写作猫高级版和免费版的区别？

1、价格不同：秘塔写作猫免费版是完全免费的，而付费版需要额外购买激活码才能使用。 2、功能不同：免费版只能用于创建文档和提交文档，而付费版则可以进行更多高级操作，如添加图片、录音、视频等。 3、兼容性不同：免费版只能在Windows、MacOS和Android平台上使用，而付费版则可以在更多平台上使用，如iOS、Windows、MacOS和Android。 4、使用限制不同：免费版没有任何使用限制，而付费版需要在规定时间内购买并激活，否则将被冻结。

2023-06-25 10:58:31

用秘塔写作猫查重率很高吗？

用秘塔写作猫查重率确实比较高。这是因为秘塔是一种自动化的检测系统，它能够快速而准确地比较一篇文章和已有的其他文章是否存在相似之处。在这个过程中，秘塔会通过比对文章的语法、词汇、结构以及其他一系列因素来确定相似度，并给出相应的结果。尤其是对于涉及学术论文、期刊文章等领域，秘塔的检测机制更会更加严格和准确。因为在这些领域，对抄袭和学术不端的要求通常更高，所以秘塔对于这些文章的查重要求也更高。然而，需要注意的是，秘塔并不一定就是完全准确的，特别是在涉及到专业术语、特殊领域和复合句等方面，秘塔的识别可能存在误

2023-06-25 10:56:57

ChatGPT Midjourney 文心一言文心一格 bing新必应 Stable diffusion 稿定设计墨刀AI mastergo Adobe Firefly runway