搜索[多模态理解]结果-低调大师优秀个人博客

精选列表

搜索[多模态理解]，共10006篇文章

微软高管：下一代 Windows 深度整合 AI，实现多模态交互

他表示，未来的Windows将更具“环境感”，通过语音、语义理解等多模态技术，实现更自然的操作。例如，用户可直接通过语音与电脑对话，系统能理解上下文并智能响应。

2025-08-14

MNN LLM：让你手机本地也能跑 DeepSeek R1 还能支持多模态

这是一款开源工具，支持本地部署、移动端运行以及多模态处理（如文生图、语音输入等）。通过模型量化与硬件优化，MNN LLM显著提升了推理速度与稳定性，同时解决了下载困难的问题。

2025-04-21

面壁智能开源端侧多模态大模型：MiniCPM-Llama3-V 2.5

面壁智能开源了端侧多模态模型 MiniCPM-Llama3-V 2.5，且支持 30+ 多种语言。 MiniCPM-Llama3-V 2.5 是MiniCPM-V系列的最新、性能最佳模型。

2024-05-21

一文深度解读多模态大模型视频检索技术的实现与使用

多模态表征大模型能够将文本、图片、音频、视频等内容转换成高维空间中的向量表示，也称为嵌入（embeddings）。

2024-01-25

服装行业多模态算法个性化产品定制方案 | 京东云技术团队

diffusion：AIGC海量出图，设计师选图——好看 • 新视界设计：畅销服装版型+潮流图样，设计好看、好穿、好卖的服装三、技术突破畅销服装版式数据库构建 • 自研服装识别模型对服装图片进行多模态智能分析

2023-08-08

【CV学霸开讲】卷积神经网络压缩、多模态的语义分析研究

陈师哲同学在“多模态情感识别”和“视频内容自然语言描述”研究方面取得了突出的研究成果，在领域顶级会议和期刊发表论文十余篇，并在多项高水平学术竞赛中取得优异成绩，表现出很强的科研能力、实践动手能力和科研潜力

2018-01-25

【阿里ICCV论文技术解读】基于层次化多模态LSTM的视觉语义联合嵌入

精准描述商品：计算机视觉和自然语言处理的联合近年来, 随着深度学习技术的快速发展, 人们开始尝试将计算机视觉(Vision)和自然语言处理(Language)两个相对独立的领域联合起来进行研究, 实现一些在过去看来非常困难的任务，例如“视觉-语义联合嵌入(Visual-Semantic Embedding)”。该任务需要将图像及语句表示成一个固定长度的向量，进而嵌入到同一个矢量空间中。这样，通过该空间中的近邻搜索可以实现图像和语句的匹配、检索等。视觉语义联合嵌入的一个典型应用就是图像标题生成（Image Captioning）：对于任意输入的一张图像, 在空间中找到最匹配的一句话, 实现图像内容的描述。在电商场景下, 淘宝卖家在发布一件商品时, 该算法可以根据卖家上传得图片, 自动生成一段描述性文字, 供卖家编辑发布使用。再比如，

2017-10-24

浅析APP控件：模态弹窗与非模态弹窗

浅析APP控件：模态弹窗与非模态弹窗在手机app应用中各种格式的弹窗效果相信大家都看过，此次分享就来谈谈关于app弹窗设计以及弹窗的适用情景。

2018-08-31

工业AI Agent：从“单点质检”到“多模态工艺闭环与OT系统原生集成期”

既然前述硬科技赛道已覆盖，2026年真正被低估、却决定制造业智能化天花板的，是工业AI Agent。这一年，该领域彻底告别了“大模型+知识库=智能助手”的Demo叙事期，进入了 “PLC/DCS协议原生适配、毫秒级控制回路闭合、工艺知识可验证沉淀” 的工程深水区。西门子Industrial Copilot在宝马工厂实现焊接参数自适应调整且缺陷率下降40%，中控技术SupOS-Agent接入万华化学MDI产线完成异常工况自主处置，创新奇智、格创东智等国产Agent平台通过OPC UA over TSN认证并部署于半导体封测环节；更关键的是，工信部发布《工业人工智能体系统安全与互操作规范（2026）》，首次将“控制指令响应时延、人机协同置信度阈值、OT网络隔离合规性”列为准入硬指标，意味着行业评价标准从“能不能对话”转向“能不能控设备、能不能扛干扰、能不能信得过”。

2026-10-10

DeepSeek 开源的第一个多模态模型，不是拿来「看图说话」的

8 月 31 日，DeepSeek 在 Hugging Face 上线了 DeepSeek-V4-Flash-Vision-Exp，MIT License，V4 家族第一款实验性多模态模型。

2026-09-01

多模态大模型：打破“文字的牢笼”，让AI第一次睁开双眼

这种多感官融合的认知能力，是智能的重要底色。

2026-08-31

专访罗长才：GEO工程落地与多模态数字化实践的技术解构

本次专访邀请GEO高级优化师、落地工程师罗长才，从技术底层逻辑出发，拆解GEO在实体确权、多模态适配及垂类场景中的工程化落地路径。

2026-08-28

DeepSeek Harness 公测一周迎来多模态大招，纯文本模型也能“看图”了

14 项更新，多模态是重头戏。

2026-08-21

基于Python与LangChain构建多模态RAG系统：从向量检索到视觉问答的实战

多模态RAG通过统一向量空间嵌入文本与图像，让LLM在生成时能“引用”视觉证据，显著提升图表问答、产品手册检索等场景的准确率（实测提升27%~41%）。

2026-08-13

. | 面向复合材料设计的序关系感知多模态表示学习

然而，现有多模态学习方法主要面向晶体和聚合物材料设计，通常假设材料结构与性能之间具有离散映射关系，难以处理复合材料连续、非线性的设计空间。

2026-07-21

Google Gemma 4：把多模态、推理和端侧效率塞进一套模型

大模型的升级，常被简化成一场参数竞赛：更多参数、更高分数、更贵的推理。但 Gemma 4 技术报告给出的方向恰好相反——真正困难的，是让模型同时更会推理、更懂图像与声音，还能在不同硬件上跑得动。

2026-07-17

OpenAI又走了一员大将，这次腾讯要的是多模态命脉

雷峰网7号晚上先捅出来的，说OpenAI前研究员田永龙已经加入腾讯。第二天一早，澎湃新闻从腾讯相关负责人那里拿到了确认。36氪、IT之家、凤凰科技全部跟进。到中午的时候，连意大利语和韩语媒体都在报。

2026-07-13

清华等联合发布 UltraRAG 2.1，全球首个基于 MCP 架构的多模态 RAG 框架

该版本彻底简化多模态智能检索系统的构建流程——研究人员仅需编写几行YAML配置文件，即可实现多阶段推理、生成与评估，无需一行代码，大幅降低技术门槛。

2025-11-12

深化战略合作，优刻得接入智谱最强开源多模态 GLM-4.5V

在其基础上，智谱进一步训练出全球100B级效果最佳的开源视觉推理模型——GLM-4.5V，在42个公开视觉多模态榜单中综合效果直接拿下了41个SOTA，涵盖图像、视频、文档理解以及GUI Agent等常见任务

2025-08-13

蚂蚁百灵团队开源统一多模态大模型 Ming-lite-omni

蚂蚁百灵大模型（Ling）团队正式开源统一多模态大模型 Ming-lite-omni。

2025-05-29

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

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。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。