梗圖理解“天花板”！港中文終身教授賈佳亞團(tuán)隊(duì)推出多模態(tài)模型：GPT-4+DALL-E 3，王炸組合刷爆榜單

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：梗圖理解“天花板”！港中文終身教授賈佳亞團(tuán)隊(duì)推出多模態(tài)模型：GPT-4+DALL-E 3，王炸組合刷爆榜單
關(guān)鍵字：字節(jié)跳動(dòng),小米,報(bào)告,模型,圖像
文章來(lái)源：AI前線
內(nèi)容字?jǐn)?shù)：5373字

內(nèi)容摘要：

整理 | 傅宇琪
近日，港中文終身教授賈佳亞團(tuán)隊(duì)推出了一款名為 Mini-Gemini 的多模態(tài)模型，包括 2B 小杯到 34B 的超大杯，一經(jīng)發(fā)布便登上了 PaperWithCode 熱榜。憑借超強(qiáng)的圖文理解力，Mini-Gemini 的最強(qiáng)模型版本在多個(gè)指標(biāo)上，直接媲美 Gemini Pro，GPT-4V，網(wǎng)友稱其效果堪稱是開(kāi)源社區(qū)的 GPT4+DALL-E 3 的王炸組合！
目前，研究團(tuán)隊(duì)將 Mini-Gemini 的代碼、模型、數(shù)據(jù)全部開(kāi)源。更有意思的是，超會(huì)玩梗的 Mini-Gemini 線上 Demo 已經(jīng)發(fā)布，人人皆可上手試玩?！皽\嘗”之后，有人認(rèn)為：Mini-Gemini 跟商業(yè)模型差不了多少！最“懂”圖的大模型？圖像理解及推理當(dāng)下，絕大多數(shù)多模態(tài)模型僅支持低分辨率圖像輸入和文字輸出。而在實(shí)際場(chǎng)景中，許多任務(wù)都需要對(duì)高清圖像進(jìn)行解析，并用圖像的形式進(jìn)行展現(xiàn)。Mini-Gemini 在這一點(diǎn)上有著不錯(cuò)的表現(xiàn)：
給它一張做面包的九宮格漫畫(huà)教程，Mini-Gemini 能看懂并進(jìn)行手把手教學(xué)。
拍一張?zhí)O果店 Mac 電腦信息圖，Mini-Gemini 能夠?qū)煞N Mac 的參

原文鏈接：梗圖理解“天花板”！港中文終身教授賈佳亞團(tuán)隊(duì)推出多模態(tài)模型：GPT-4+DALL-E 3，王炸組合刷爆榜單

聯(lián)系作者

文章來(lái)源：AI前線
作者微信：ai-front
作者簡(jiǎn)介：面向AI愛(ài)好者、開(kāi)發(fā)者和科學(xué)家，提供大模型最新資訊、AI技術(shù)分享干貨、一線業(yè)界實(shí)踐案例，助你全面擁抱AIGC。