紫東太初 – 多模態(tài)大模型官網(wǎng)

全球首個多模態(tài)圖文音預(yù)訓(xùn)練模型
網(wǎng)站服務(wù)：標(biāo)題摘要，海報創(chuàng)作，視頻配音，語音播報。

紫東太初多模態(tài)大模型

“紫東太初”跨模態(tài)通用人工智能平臺是由中國科學(xué)院自動化研究所研發(fā)的以多模態(tài)大模型為核心、基于全棧國產(chǎn)化基礎(chǔ)軟硬件平臺，可支撐全場景AI應(yīng)用。依托面向超大規(guī)模的高效分布式訓(xùn)練框架，自動化所構(gòu)建了具有業(yè)界領(lǐng)先性能的中文預(yù)訓(xùn)練模型、語音預(yù)訓(xùn)練模型、視覺預(yù)訓(xùn)練模型，并開拓性地通過跨模態(tài)語義關(guān)聯(lián)實現(xiàn)了視覺-文本-語音三模態(tài)統(tǒng)一表示，構(gòu)建了三模態(tài)預(yù)訓(xùn)練大模型，賦予跨模態(tài)通用人工智能平臺多種核心能力。“紫東太初”兼具跨模態(tài)理解和生成能力，具有了在無監(jiān)督情況下多任務(wù)聯(lián)合學(xué)習(xí)、并快速遷移到不同領(lǐng)域數(shù)據(jù)的強大能力。對更廣泛、更多樣的下游任務(wù)提供模型基礎(chǔ)支撐，達(dá)成AI在如視頻配音、語音播報、標(biāo)題摘要、海報創(chuàng)作等更多元場景的應(yīng)用。特色：

• 全球首個多模態(tài)圖文音預(yù)訓(xùn)練模型
• 多層次多任務(wù)自監(jiān)督學(xué)習(xí)
• 弱關(guān)聯(lián)多模態(tài)數(shù)據(jù)語義統(tǒng)一表達(dá)
• 兼顧任務(wù)感知和推理增強的中文預(yù)訓(xùn)練模型
• 多粒度學(xué)習(xí)與注意力指導(dǎo)的視覺預(yù)訓(xùn)練模型
• 基于自監(jiān)督預(yù)訓(xùn)練的多任務(wù)語音建模技術(shù)

中文預(yù)訓(xùn)練模型

文本預(yù)訓(xùn)練模型使用條件語言模型作為自監(jiān)督目標(biāo)進(jìn)行訓(xùn)練，和GPT一樣，模型根據(jù)上文來預(yù)測當(dāng)前詞匯，最終訓(xùn)練得到的模型可以生成流暢的中文表達(dá)。本次開源的中文文本預(yù)訓(xùn)練模型由40層Transformer組成，隱層維度2560，包含32個注意力頭，共32億參數(shù)。訓(xùn)練語料豐富多樣，包括新聞、百科、散文等，文本生成能力強大。中文預(yù)訓(xùn)練模型基礎(chǔ)上還可以進(jìn)行微調(diào)操作，充分利用少量有監(jiān)督數(shù)據(jù)增強模型在下游任務(wù)上的表現(xiàn)，如文本分類，對話生成、古詩創(chuàng)作等；除此之外，中文預(yù)訓(xùn)練模型還能夠?qū)崿F(xiàn)簡單的少樣本學(xué)習(xí)，如下圖所示，輸入已知的部分樣例，模型能夠捕捉類似的規(guī)律進(jìn)行文本生成。

安裝與使用

具體安裝步驟請參見text.

視覺預(yù)訓(xùn)練模型

模型介紹

現(xiàn)有的掩碼語言模型的隨機遮蔽方式容易對圖像中重要的前景目標(biāo)遮蔽，讓模型產(chǎn)生誤解，不利于快速收斂。然而，在無監(jiān)督的情況下，如何自適應(yīng)的調(diào)整遮蔽區(qū)域是一個非常關(guān)鍵的難點問題。為此，我們巧妙的利用Transformer中的自注意力機制，并且設(shè)計了一種動態(tài)掩碼機制來對圖像進(jìn)行預(yù)訓(xùn)練。具體來說，我們的視覺動態(tài)掩碼機制采用teacher網(wǎng)絡(luò)中最后的自注意力圖作為指導(dǎo)，以一定的概率選擇響應(yīng)較低的區(qū)域?qū)tudent網(wǎng)絡(luò)的輸入進(jìn)行動態(tài)遮蔽Attn=1H∑Hh=1Softmax(Qclsh?KThd√)????=1?∑?=1????????(??????????)mi=?????????????1，andAtteni<τ0，probi<potherwise??={1，?????<??????????<?0，?????????相比BERT中MLM的隨機遮蔽方式，動態(tài)遮蔽方式避免了破壞圖像/目標(biāo)的關(guān)鍵結(jié)構(gòu)，而這些關(guān)鍵結(jié)構(gòu)的遮蔽往往使得訓(xùn)練中的模型產(chǎn)生誤解，降低預(yù)訓(xùn)練模型的關(guān)注度。下圖展示了我們的動態(tài)掩碼與隨機掩碼的區(qū)別，可以看出，通過動態(tài)掩碼的方式，圖像中目標(biāo)的完整結(jié)構(gòu)得以保留。進(jìn)一步，被遮蔽的局部塊與剩余的局部塊一起送入全局圖像解碼器，以恢復(fù)圖像的完整結(jié)構(gòu)。最后，我們的損失函數(shù)為對比損失+圖像重建損失，兩種損失都采用自監(jiān)督的方式進(jìn)行學(xué)習(xí)，并結(jié)合動態(tài)掩碼機制，顯示捕捉圖像局部上下文信息并保留全圖語義信息。圖像解碼器部分采用經(jīng)典的特征金字塔結(jié)構(gòu)，完美保留圖像空間信息，因此對下游密集預(yù)測任務(wù)更加友好，無縫支持下游目標(biāo)檢測、語義分割任務(wù)的微調(diào)。

紫東太初 – 多模態(tài)大模型網(wǎng)址入口

https://gitee.com/zidongtaichu/multi-modal-models

OpenI小編發(fā)現(xiàn)紫東太初 – 多模態(tài)大模型網(wǎng)站非常受用戶歡迎，請訪問紫東太初 – 多模態(tài)大模型網(wǎng)址入口試用。