搜索[跨模态推理]结果-低调大师优秀个人博客

精选列表

搜索[跨模态推理]，共10006篇文章

XEngine：深度学习模型推理优化

摘要：从显存优化，计算优化两个方面来分析一下如何进行深度学习模型推理优化。本文分享自华为云社区《XEngine-深度学习推理优化》，作者： ross.xw。

2021-12-21

解析WeNet云端推理部署代码

本文分享自华为云社区《WeNet云端推理部署代码解析》，作者：xiaoye0829 。

2021-12-14

基于弹性计算的AI推理

场景描述本方案适用于使用GPU进行AI在线推理的场景。在推理之前，模型已经训练完成。例如,刷脸支付中，我们在刷脸的时候，就是推理的一个过程。

2020-02-12

眼见不一定为实：WAIC 2026 探展合合信息，实测 AI 去反光 + AI 跨模态鉴伪两项黑科技

大模型正在从"能聊天"走向"能干活"，无论是 Agent 自动读文档、还是多模态模型理解图片，前提都是输入信息本身要真、要清。但现实世界给 AI 的输入常常是"脏"的：

2026-07-28

电信跨域跨系统业务实践

通过跨地域组合、统一账户实现差异化经营，提升竞争能力。面向高价值用户提供优质服务，提升用户感知。

2019-01-21

多模态测试性能优化：测试专家必读

引言随着AI大模型、智能终端与全栈式交互应用的爆发式增长，软件系统正快速演进为融合文本、图像、语音、视频、传感器数据的多模态系统。

2026-09-09

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

微信如何训练多模态 Embedding 模型

如何把不同模态、不同任务的数据组织进同一套训练体系，并学习统一的多模态表示，正成为训练中的一个核心问题。

2026-09-02

Databend 11 月月报：多模态查询智能

本月上线了 TimestampTz 支持、HTTP Arrow payloads、支持 RBAC 的脱敏策略，并进行了三轮 Runtime Filter 调优，同时针对多模态负载改进了全文索引和 VECTOR

2025-12-04

蚂蚁发布全模态通用 AI 助手「灵光」

据介绍，「灵光」是蚂蚁推出的全模态通用 AI 助手，支持“自然语言 30 秒生成小应用”，同时它也是业内首个全代码生成多模态内容的 AI 助手，支持 3D 数字模型、音频、图标、动画、地图等全模态的信息输出

2025-11-18

英伟达开源全模态理解模型 OmniVinci

英伟达研究团队发布了名为 OmniVinci 的全模态理解模型，该模型在关键的全模态理解基准测试中取得了惊人的成果，相较于现有顶尖模型高出19.05分。

2025-10-28

多模态 AI 创作平台 LiblibAI 2.0 发布

多模态 AI 创作平台 LiblibAI 2.0 已正式上线，整合了图片生成、视频制作、特效模板等功能，支持 MidJourney、Seedream 4.0 等顶级模型。

2025-10-13

多模态才是智能应用爆发的关键？

文本、图像、声音等模态的数据结构天然异构——文本是离散符号序列，图像是连续像素矩阵，音频是时间序列信号。比如要让模型理解“猫”的文本描述与猫的图片、叫声之间的关联，需构建跨模态的共享语义空间。

2025-07-03

Meta 发布 Llama 3.2 多模态 AI 模型

多模态模型 Llama3.2的11B和90B模型多模态是基于Llama3.1-8B、70B文本模型上，增量增加图像模型。

2024-09-26

OpenAI 为 ChatGPT 添加多模态输入功能

OpenAI CEO Sam Altman 昨晚在 Twitter 宣布，ChatGPT 新增了语音和图像功能。换言之，ChatGPT 支持看、听和说话了。据介绍，ChatGPT 此次推出的语音和图像功能提供了一种新的、更直观的界面类型，允许用户跟它进行语音对话，向 ChatGPT 展示说话内容。更新之后的 ChatGPT 将会支持语音输入和图像输入，更方便用户与机器人进行交流。其中语音输入功能仅在 iOS 和 Android 平台上线，而图像输入功能将会登录全平台。使用示例新功能将会在两周内陆续向 Plus 用户开放。

2023-09-26

一文详解多模态认知智能

摘要：多模态认知智能是AI人工智能当前发展的主流趋势之一，其核心是以多模态知识的获取，表示与推理为主要内容的跨模态知识工程与认知智能，也是为了更好的处理多模态的数据，需要融合多种感知模态和智能处理技术。

2023-04-26

Xtreme1 —— 多模态训练数据平台

Xtreme1是一个开源的多模态训练数据平台，支持多格式（图片、点云及2D/3D融合）的数据上传、标注和监管。它能够帮助算法工程师和科学家高效标注数据和训练模型。

2022-09-30

iOS：模态弹出窗控制器UIPopoverPresentationController

模态弹出窗控制器：UIPopoverPresentationController 实质：就是将内容控制器包装成PopoverPresentationController的形式，然后再模态出来，必须指定来源视图及其

2017-04-01

腾讯云TokenHub在线推理和批量推理区别：实时性、接入方式、适用场景对比

在线推理和批量推理有什么区别？顾名思义，批量推理就是大批量的数据处理，在线推理就是交互式逐条推理并返回结果。

2026-08-24

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

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。

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。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

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。