在視覺提示中加入「標記」，微軟等讓GPT-4V看的更準、分的更細

AIGC動態(tài)歡迎閱讀

原標題：在視覺提示中加入「標記」，微軟等讓GPT-4V看的更準、分的更細

關(guān)鍵字：圖像,研究者,模型,區(qū)域,視覺

文章來源：機器之心

內(nèi)容字數(shù)：5375字

內(nèi)容摘要：機器之心報道編輯：杜偉、小舟全新視覺提示方法 SoM（Set-of-Mark），讓 OpenAI 多模態(tài)大模型 GPT-4V 在視覺內(nèi)容理解方面有了質(zhì)的提升。最近一段時間，我們見證了大型語言模型（LLM）的顯著進步。特別是，生成式預(yù)訓(xùn)練 Transformer 或 GPT 的發(fā)布引領(lǐng)了業(yè)界和學(xué)術(shù)界的多項突破。自 GPT-4 發(fā)布以來，大型多模態(tài)模型 (LMM) 引起了研究界越來越多的興趣，許多工作…

原文鏈接：點此閱讀原文：在視覺提示中加入「標記」，微軟等讓GPT-4V看的更準、分的更細

聯(lián)系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺