跳到正文

技术方向

多模态 最新动态

文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。

141 条精选近 30 天 77 条共收录 2,632 条

更新

精选归档 · 第 8 页

1月5日周二第 141–141 条
  1. OpenAI76

    OpenAI 发布 CLIP：连接文本与图像的神经网络

    OpenAI 介绍了一种名为 CLIP 的神经网络，它通过自然语言监督高效学习视觉概念。CLIP 可用于任何视觉分类基准，只需提供要识别的视觉类别名称即可，具有类似 GPT-2 和 GPT-3 的零样本能力。

    推荐理由：展示了通过自然语言监督学习视觉概念的方法，确立了零样本图像分类的新范式。