跳到正文

多模態

文本之外的能力:視覺理解、圖文混合、音訊與影片的輸入輸出的模型與產品進展。

121條精選相關主題圖像生成AI 影片語音與音頻

最新精選

第 121–121 條 · 共 121 條
1月5日週二
  1. OpenAI News74

    OpenAI 推出 CLIP,以自然語言監督學習視覺概念

    OpenAI 推出神經網絡 CLIP,讓模型透過自然語言監督高效學習視覺概念。只需提供待識別的視覺類別名稱,CLIP 即可套用於任何視覺分類基準,其零樣本能力類似 GPT-2 和 GPT-3。

    推薦理由:CLIP 將自然語言監督與視覺分類連接,並以類別名稱作為套用基準的入口,呈現其零樣本使用方式。