多模态大模型: 盘点&Highlights part3——Gemini系列

文章预览

前言 Hi大家好，我叫延捷，是一名计算机视觉算法工程师，也是叉烧的老朋友了。 我们计划发布一系列关于多模态大模型的文章，帮助大家快速、精准地了解多模态大模型的前世今生，并且深 入各个多模态大模型领域优秀的工作，希望能给大家一个脉络性的盘点，一起学习，共同进步。 Introduction 上一期我们介绍了Qwen-VL和其最近的延伸Qwen2-VL。本期则会详细介绍一下另外一个在多模态大模型领域相当火热Gemini系列，本文会以Gemini为主干，分享Google在多模态大模型领域的一些经典工作，并且也会介绍笔者非常喜欢的一个Gemini分支作品Mini-Gemini（虽然跟Google的Gemini关系并不算大，但它真的很值得）。同样地我并不会过多列举一些不必要的论文细节和指标，而是会着重讲述： “心路历程”：一个系列工作逐步发展的路径，作者是如何根据当前工作的缺点 ………………………………