【倒计时6天】一览会议全貌——2024年多模态大模型高峰论坛暨第29期CSIG图像图形学科前沿讲习班

文章预览

大语言模型（LLM）正推动机器学习形成“all-in-one”赋能范式，即一个基础模型支撑千万下游任务。 “兼听则明、偏听则暗”，现实生活中我们每个人通过听觉、视觉和触觉等手段对所处环境中各种信息进行融合处理，达到“眼观六路、耳听八方”效果，体现了人类所具有通用智能的显著特点。 将大语言模型向多模态大模型扩展是当前学术研究热点。多模态大模型通过融合文本、图像、视频、音频等多种模态异构数据，进行“书同文、车同轨”模式统一表征学习，在视觉问答、跨模态检索、文本生成图像/视频等多模态内容理解与生成任务中展现出强大能力，推动了自然语言处理、计算机视觉、语音识别等领域的技术革新。以多模态大模型为代表的人工智能基础设施建设，在智能创作、自动驾驶、医疗诊断和虚拟现实等多个应用场景中展现出巨大潜 ………………………………