元象首個(gè)多模態(tài)大模型 XVERSE-V 開源，刷新權(quán)威大模型榜單，支持任意寬高比輸入

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：元象首個(gè)多模態(tài)大模型 XVERSE-V 開源，刷新權(quán)威大模型榜單，支持任意寬高比輸入
關(guān)鍵字：騰訊,模型,華為,圖像,場(chǎng)景
文章來源：AI科技評(píng)論
內(nèi)容字?jǐn)?shù)：4310字

內(nèi)容摘要：

人類獲取的信息83%來自視覺，圖文多模態(tài)大模型能感知更豐富和精確的真實(shí)世界信息，構(gòu)建更全面的認(rèn)知智能，從而向AGI（通用人工智能）邁出更大步伐。
元象今日發(fā)布多模態(tài)大模型 XVERSE-V ，支持任意寬高比圖像輸入，在主流評(píng)測(cè)中效果領(lǐng)先。該模型全開源，無條件免費(fèi)商用，持續(xù)推動(dòng)海量中小企業(yè)、研究者和開發(fā)者的研發(fā)和應(yīng)用創(chuàng)新。
XVERSE-V 性能優(yōu)異，在多項(xiàng)權(quán)威多模態(tài)評(píng)測(cè)中超過零一萬物Yi-VL-34B、面壁智能OmniLMM-12B及深度求索DeepSeek-VL-7B等開源模型，在綜合能力測(cè)評(píng)MMBench中超過了谷歌GeminiProVision、阿里Qwen-VL-Plus和Claude-3V Sonnet等知名閉源模型。
圖. 多模態(tài)大模型綜合評(píng)測(cè)1融合整體和局部的高清圖像表示傳統(tǒng)的多模態(tài)模型的圖像表示只有整體，XVERSE-V 創(chuàng)新性地采用了融合整體和局部的策略，支持輸入任意寬高比的圖像。兼顧全局的概覽信息和局部的細(xì)節(jié)信息，能夠識(shí)別和分析圖像中的細(xì)微特征，看的更清楚，理解的更準(zhǔn)確。注：Concate* 表示按列進(jìn)行拼接
這樣的處理方式使模型可以應(yīng)用于廣泛的領(lǐng)域，包括全景圖識(shí)別

原文鏈接：元象首個(gè)多模態(tài)大模型 XVERSE-V 開源，刷新權(quán)威大模型榜單，支持任意寬高比輸入

聯(lián)系作者

文章來源：AI科技評(píng)論
作者微信：aitechtalk
作者簡(jiǎn)介：雷峰網(wǎng)旗下AI新媒體。聚焦AI前沿研究，關(guān)注AI工程落地。