多模态大模型: 盘点&Highlights part2——Qwen-VL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LLaVA-NeXT的若干延伸工作，并且也跟大家分享LLaVA系列的集大成之作LLaVA-OneVision。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优秀的工作Qwen-VL，同时Qwen2-VL的技术报告在8月29号刚刚发布，也会跟大家同步介绍这个最新的工作。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一步步优化的，并且会总结出每篇工作的highlight， ………………………………