引燃AI社区，不用跨界也能从文本生成图像，OpenAI新模型打破自然语言与视觉次元壁 / 开普饭

作者:哈工大SCIR 吴洋.胡晓毓 1.介绍让机器能以人类智能相似的方式作出反应一直是人工智能研究人员的目标.为了让机器能听会说.能看会认.能理解会思考, 研究者提出一系列相关任务,如人脸识别.语音 ...

详细信息如下: 论文链接:https://arxiv.org/abs/2102.05918 项目链接:尚未开源导言: 学习良好的视觉和视觉语言表征对于解决计算机视觉问题(图像检索.图像分类.视频理解 ...

详细信息如下: 论文链接:https://arxiv.org/abs/2108.07253 项目链接:https://whoswaldo.github.io/(尚未开源) 导言: 在本文中,作者提出了 ...

作者 | 琰琰近几年,多模态已经成为自然语言处理(NLP)领域的热点研究方向之一.得益于深度学习的兴起,大数据+大模型的双轮模式推动人工智能实现了跨越式发展.但大量实验证明,仅依靠"炼大模 ...

ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks 论文作 ...

#DALL·E 和 CLIP#.#OpenAI# DALL·E 和 CLIP DALL·E 可以基于文本直接生成图像: CLIP 则能够完成图像与文本类别的匹配. OpenAI 联合创始人.首席科学家 ...

机器之心报道机器之心编辑部 OpenAI 的 CLIP 模型在匹配图像与文本类别方面非常强大,但原始 CLIP 模型是在 4 亿多个图像 - 文本对上训练的,耗费了相当大的算力.来自 PicColl ...

人工智能领域缺钱,但这两个月来,他们不缺「好消息」. Google 母公司 Alphabet 旗下的 DeepMind,先推出了蛋白质结构预测 AI--AlphaFold 2,为困扰了生化学界 50 ...

把文本变成画作,AI对艺术"下手"了图为人工智能系统 DALL·E根据文本"穿着芭蕾舞裙遛狗的小萝卜"绘制的图像图片来源:OpenAI官网自然语言处理与视觉处理 ...

编辑:贾伟梦佳继GPT-3的颠覆之后,即将出道的 GPT-4 会走向何方?这一问题牵动着很多人的心. 在不久前,OpenAI的联合创始人.首席科学家IIya Sutskever 曾在吴恩达编辑的 ...

2021年一开始,OpenAI在GPT-3方向上的又一重要突破,让吴恩达等大佬激动了. 之前给GPT-3一段话,就能写出一段小说. 现在它成功跨界--可以按照文字描述.生成对应图片! 简直就是&quo ...

文 | 雅各布·布朗宁译 | 田天增(山西大学) 校 | 赵斌缺乏"常识",是既有人工智能常常被攻击的软肋.为突破这一障碍,过去几十年来,人工智能研究者尝试借助逻辑表征或图 ...

学习人工智能,最好的办法就是先考上大学,学好计算机和数学,其次就是生个孩子. 这可不是一个段子.有了孩子之后,你会能更好理解人工智能到底是如何发生的. 看着一个牙牙学语的小婴儿开始对这个世界发生好奇, ...

编者按:人类认知的三大属性包括:单语言文本(X),音频或视觉感官信号(Y)和多语言文本(Z).微软通过研究 X.Y.Z 三个领域的交汇处,发现了实现 AI 能力又一次飞跃的可能--以更接近人类的学习和 ...

引燃AI社区，不用跨界也能从文本生成图像，OpenAI新模型打破自然语言与视觉次元壁