文章预览
来源:智源社区 「多模态领域应该选哪些技术路线?视觉领域遵循scaling law么?如何看待“Encoder不可能三角”?未来训练多模态大模型的数据形式应该是怎样的?」 2024 年 6 月 15 日,智源大会第二天, GPT-4o、SAM、DiT、SegGPT、DCN 等重磅工作的作者 共聚「多模态大模型」论坛,将本届智源大会的热度推向了高潮。嘉宾们介绍了多模态大模型领域最新的研究进展,分享了他们的经典名作和最新工作背后的思路和心得。 论坛干货满满,参会者热情高涨,全场座无虚席。 以下是核心内容整理: 论坛回放: https://event.baai.ac.cn/live/799 王鑫龙:生成式多模态模型 王鑫龙 | 智源研究院视觉模型研究中心负责人 人类处于由语言和视觉等多种模态构成的环境中,时刻接收多模态的上下文。人类依赖多模态的上下文理解能力完成日常任务。在语言模型领域,GPT系列
………………………………