大廠元宇宙，又菜又愛玩
撰文 | 吳先之 編輯 | 王 潘當(dāng)下所有大廠推出的元宇宙產(chǎn)品，所能帶來的沉浸式體驗(yàn)并不多，好在國內(nèi)外科技巨頭在bug方面都處在同一水平線。以Meta為例，由于VR頭顯設(shè)
1 月 28 日消息，阿里通義千問官方今日發(fā)文宣布，開源全新的視覺理解模型 Qwen2.5-VL——Qwen 模型家族的旗艦視覺語言模型，推出了 3B、7B 和 72B 三個(gè)尺寸版本。
附 Qwen2.5-VL 的主要特點(diǎn)如下：
視覺理解：Qwen2.5-VL 不僅擅長(zhǎng)識(shí)別常見物體，如花、鳥、魚和昆蟲，還能夠分析圖像中的文本、圖表、圖標(biāo)、圖形和布局。
代理：Qwen2.5-VL 直接作為一個(gè)視覺 Agent，可以推理并動(dòng)態(tài)地使用工具，初步具備了使用電腦和使用手機(jī)的能力。
理解長(zhǎng)視頻和捕捉事件：Qwen2.5-VL 能夠理解超過 1 小時(shí)的視頻，并且這次它具備了通過精準(zhǔn)定位相關(guān)視頻片段來捕捉事件的新能力。
視覺定位：Qwen2.5-VL 可以通過生成 bounding boxes 或者 points 來準(zhǔn)確定位圖像中的物體，并能夠?yàn)樽鴺?biāo)和屬性提供穩(wěn)定的 JSON 輸出。
結(jié)構(gòu)化輸出：對(duì)于發(fā)票、表單、表格等數(shù)據(jù)，Qwen2.5-VL 支持其內(nèi)容的結(jié)構(gòu)化輸出，惠及金融、商業(yè)等領(lǐng)域的應(yīng)用。
據(jù)官方介紹，在旗艦?zāi)Ｐ?Qwen2.5-VL-72B-Instruct 的測(cè)試中，它在一系列涵蓋多個(gè)領(lǐng)域和任務(wù)的基準(zhǔn)測(cè)試中表現(xiàn)出色，包括大學(xué)水平的問題、數(shù)學(xué)、文檔理解、視覺問答、視頻理解和視覺 Agent。Qwen2.5-VL 在理解文檔和圖表方面具有優(yōu)勢(shì)，并且能夠作為視覺 Agent 進(jìn)行操作，而無需特定任務(wù)的微調(diào)。
另外，在較小的模型方面，Qwen2.5-VL-7B-Instruct 在多個(gè)任務(wù)中超越了 GPT-4o-mini，而 Qwen2.5-VL-3B 作為端側(cè) AI 的潛力股，超越了之前版本 Qwen2-VL 的 7B 模型。
阿里通義千問官方表示，與 Qwen2-VL 相比，Qwen2.5-VL 增強(qiáng)了模型對(duì)時(shí)間和空間尺度的感知能力，并進(jìn)一步簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)以提高模型效率。后續(xù)將進(jìn)一步提升模型的問題解決和推理能力，同時(shí)整合更多模態(tài)，使模型變得更加智能，并向能夠處理多種輸入類型和任務(wù)的綜合全能模型邁進(jìn)。
本文鏈接：http://www.rrqrq.com/showinfo-45-10327-0.html阿里通義千問全新視覺理解模型 Qwen2.5-VL 開源：三尺寸版本、支持理解長(zhǎng)視頻和捕捉事件等能力
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：[email protected]
上一篇： DeepSeek 深夜再放大招：7B 參數(shù)人人可用的視覺多模態(tài)模型 Janus-Pro-7B 開源
下一篇： DeepSeek 應(yīng)用在意大利應(yīng)用商店下架，此前曾被該國隱私監(jiān)管機(jī)構(gòu)盯上
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：[email protected] 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)