搜索[多模态融合]结果-低调大师优秀个人博客

精选列表

搜索[多模态融合]，共10006篇文章

CentOS8安装MyCat，轻松搞定数据库的读写分离、垂直分库、水平分库

支持数据的多片自动路由与聚合，支持sum,count,max等常用的聚合函数,支持跨库分页。支持单库内部任意join，支持跨库2表join，甚至基于caltlet的多表join。

2025-09-05

Dcoker安装(在线仓库)，最新的服务器搭配容器使用

Docker与虚拟机对比虚拟机资源占用多，虚拟机会独占一部分内存和硬盘空间。它运行的时候，其他程序就不能使用这些资源了。

2025-09-08

机器视觉要落地，第一步往往是"看见远近"。机械臂抓取、AGV 避障、机器人定位，每个场景都需要一双带三维信息的眼睛。但真正做过深度相机选型的人会承认一个尴尬的事实：几乎不存在一种测距原理，能在光照、纹理、距离、运动的任意组合下都稳定输出。结构光在近处精细，ToF 在中远距离从容，双目在纹理丰富处精准，可一旦场景越过各自的舒适区，精度就会断崖式下跌。深度相机之所以"偏科"，不是哪家厂商没做好，而是物理原理决定了每种方案都自带失效边界。

2026-09-08

基于场景文字的多模态融合的图像分类

本文分享自华为云社区《基于场景文字的多模态融合的图像分类》，作者：谷雨润一麦。图像分类任务是计算机视觉最为基础的任务之一。依靠目标的细粒度、具有区分性的视觉特征能够较好地区分通用目标。

2022-04-27

视觉发：从多模态融合架构到高效训练与推理部署的工程实践

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践，这绝非仅仅是将一张图片“喂”给大语言模型（LLM）那么简单。

2026-09-05

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践，这绝非仅仅是将一张图片“喂”给大语言模型（LLM）那么简单。

2026-09-05

多模态融合的工程化路径：从WAIC 2026技术方向看语音类AI系统的落地难点

2026世界人工智能大会将于7月17日至20日在上海举行，公开信息显示，本次大会首发产品中，多模态大模型是一个明确的重点方向。

2026-07-13

具身智能工业落地：Sim-to-Real迁移保真度、触觉-视觉多模态融合与动态安全合规验证体系实战

当“通用机器人”从展厅演示走向柔性产线，一场关乎制造业能否真正迈入自适应时代的工程革命正从仿真平台走向真实车间。2025年末至2026年初，具身智能（Embodied AI）产业化迎来关键拐点：Figure AI宣布其Figure 02机器人在宝马工厂完成连续8小时无干预装配任务，成功率>98%；特斯拉Optimus Gen-3集成高密度电子皮肤，实现亚毫米级力控抓取；更关键的是，国家标准化管理委员会于2026年8月发布《工业机器人具身智能系统安全与性能评价规范》，首次将“Sim-to-Real任务迁移成功率≥95%”和“人机协作动态风险响应时间<50ms”纳入强制性认证指标。这标志着行业竞争焦点已从“自由度与负载能力”全面转向可迁移、可感知、可合规的工业级具身能力构建。

2026-08-14

多模态感知在运维场景的融合：日志、指标、链路与拓扑

依据CNCF《2023-2024全球云原生可观测调研报告》及OpenTelemetry官方规范，四类数据各有适用边界，无法独立覆盖全维度系统状态：

2026-07-14

多模态主动深度相机架构实战：散斑双目 + dToF + RGB 三模态融合系统设计全解析

本文以一款融合主动散斑投射双目、dToF 辅助测距与 RGB 纹理采集的多模态深度相机为案例，从系统架构、核心选型、时序同步到功耗优化进行完整技术拆解。

2026-07-28

网页多模态建模思考

在此基础上，对比了多种多模态融合思路的优缺点，给出一种较好的方案。进一步，提出多粒度、多维度的网页预训练方案；最后，探索了大模型时代，利用现有多模态模型，低成本的适配到网页的一种可行思路。

2024-12-26

ImageBind —— 多模态 AI 模型

ImageBind 是支持绑定来自六种不同模态（图像、文本、音频、深度、温度和 IMU 数据）的信息的 AI 模型，它将这些信息统一到单一的嵌入式表示空间中，使得机器能够更全面、直接地从多种信息中学习，

2023-05-11

多模态测试技术深度解析

这意味着软件系统正从单模态交互（如纯Web表单）快速演进为多模态智能体——用户可拍照提问、语音指令叠加AR标注、车载系统融合摄像头+雷达+语音实时决策。

2026-09-09

ClaudeCode-图像与多模态

比如要把一张设计师给的页面截图还原成网页。搁以前，咱们得对着图一个像素一个像素量——这块间距多少、字号几号、按钮圆角几度，光抠数值就得磨一上午。

2026-07-22

云从科技多模态大模型「CongRong-v2.0」登顶 OpenCompass 全球多模态榜单

近日，云从科技自主研发的「从容大模型」（CongRong-v2.0）在国际评测平台OpenCompass最新全球多模态榜单中，以80.7分的综合成绩登顶榜首。

2025-05-29

多模态测试落地实践深度解读

在AI原生应用爆发式增长的今天，智能客服、车载语音助手、AIGC内容审核平台、医疗影像辅助诊断系统等典型场景，已不再是单一文本或API接口的交互模式——它们融合了语音输入、图像上传、视频流分析、自然语言响应与界面反馈等多种模态

2026-09-09

深度解读：多模态测试团队转型

在AI原生应用爆发式增长的今天，软件交付形态正经历一场静默却深刻的变革——语音助手、图像生成工具、智能座舱、AR导航、跨模态搜索……这些产品已不再依赖单一文本交互，而是融合语音、图像、文本、视频甚至传感器数据

2026-09-09

2026 多模态架构选型全景指南

官方模型卡里那句话说得非常直白——"统一视觉-语言基础模型，多模态 token 早期融合训练，跨代达到与 Qwen3 纯文本对齐的水平，且在推理/编码/Agent/视觉理解基准上超过 Qwen3-VL"

2026-09-04

多模态 GEO 优化方法论

多模态 GEO（Multi-Modal Generative Engine Optimization）是把视频、图像、音频等多媒体内容，转化为 AI 生成式引擎（ChatGPT、Perplexity、

2026-08-13

1.6 多模态能力：图文/视频理解

方案：组建专职多模态实验室；通过收购或合作引入顶尖人才；重点突破视频时序建模与跨模态对齐技术。

2026-07-25

老婆问我什么是多模态能力

那天晚上，我躺在沙发上刷手机，老婆突然从厨房探出头来问我："你天天看那些AI新闻，我问你个事儿——什么叫多模态能力？我看好多文章都在说这个词，感觉很厉害的样子。"

2026-07-10

多模态文本摘要及其应用实践

） 1 扩展摘要模型融合视觉特征信息基于多模态的特征表示学习目前已经在多种类型的应用场景得到了广泛应用，最典型的领域就是电商广告领域，比如电商领域的基于多模态信息的商品检索、商品推荐召回、多模态信息的智能客服交互等等

2020-10-28

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

CentOS8安装MyCat，轻松搞定数据库的读写分离、垂直分库、水平分库

Dcoker安装(在线仓库)，最新的服务器搭配容器使用

多模态融合：让深度相机不再偏科

基于场景文字的多模态融合的图像分类

视觉发：从多模态融合架构到高效训练与推理部署的工程实践

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践

多模态融合的工程化路径：从WAIC 2026技术方向看语音类AI系统的落地难点

具身智能工业落地：Sim-to-Real迁移保真度、触觉-视觉多模态融合与动态安全合规验证体系实战

多模态感知在运维场景的融合：日志、指标、链路与拓扑

多模态主动深度相机架构实战：散斑双目 + dToF + RGB 三模态融合系统设计全解析

网页多模态建模思考

ImageBind —— 多模态 AI 模型

多模态测试技术深度解析

ClaudeCode-图像与多模态

云从科技多模态大模型「CongRong-v2.0」登顶 OpenCompass 全球多模态榜单

多模态测试落地实践深度解读

深度解读：多模态测试团队转型

2026 多模态架构选型全景指南

多模态 GEO 优化方法论

1.6 多模态能力：图文/视频理解

老婆问我什么是多模态能力

多模态文本摘要及其应用实践

资源下载

腾讯云软件源

Nacos

Sublime Text

WebStorm

欢迎您来访！

精选列表

CentOS8安装MyCat，轻松搞定数据库的读写分离、垂直分库、水平分库

Dcoker安装(在线仓库)，最新的服务器搭配容器使用

多模态融合：让深度相机不再偏科

基于场景文字的多模态融合的图像分类

视觉发：从多模态融合架构到高效训练与推理部署的工程实践

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践

多模态融合的工程化路径：从WAIC 2026技术方向看语音类AI系统的落地难点

具身智能工业落地：Sim-to-Real迁移保真度、触觉-视觉多模态融合与动态安全合规验证体系实战

多模态感知在运维场景的融合：日志、指标、链路与拓扑

多模态主动深度相机架构实战：散斑双目 + dToF + RGB 三模态融合系统设计全解析

网页多模态建模思考

ImageBind —— 多模态 AI 模型

多模态测试技术深度解析

ClaudeCode-图像与多模态

云从科技多模态大模型「CongRong-v2.0​​​​​​​」登顶 OpenCompass 全球多模态榜单

多模态测试落地实践深度解读

深度解读：多模态测试团队转型

2026 多模态架构选型全景指南

多模态 GEO 优化方法论

1.6 多模态能力：图文/视频理解

老婆问我什么是多模态能力

多模态文本摘要及其应用实践

资源下载

腾讯云软件源

Nacos

Sublime Text

WebStorm

欢迎您来访！

云从科技多模态大模型「CongRong-v2.0」登顶 OpenCompass 全球多模态榜单