王炸！微软发布Visual ChatGPT：视觉模型加持ChatGPT实现丝滑聊天.pdf
版权申诉
199 浏览量
2023-08-13
09:03:25
上传
评论
收藏 3.71MB PDF 举报
2023/6/28 11:21
王炸！微软发布Visual ChatGPT：视觉模型加持ChatGPT实现丝滑聊天
https://mp.weixin.qq.com/s/cd7g7l01V5poP41hRt1IPQ
1/12
王炸！微软发布Visual ChatGPT：视觉模型加持ChatGPT实现丝滑
聊天
文 ｜ 炼 丹 学 徒
近来，AI领域迎来各个领域的大突破，ChatGPT展现出强大的语言问答能力和推理能力，然而
作为一个自然语言模型，它无法处理视觉信息。
与此同时，视觉基础模型如Visual Transformer或者Stable Diffusion等，则展现出强大的视觉
理解和生成能力。
Visual Transformer将ChatGPT作为逻辑处理中心，集成若干视觉基础模型，从而达到如下效
果：
视觉聊天系统Visual ChatGP T可以接收和发送文本和图像
提供复杂的视觉问答，或者视觉编辑指令，可以通过多步推理调用工具来解决复杂视觉
任务
可以提供反馈，总结答案，主动询问模糊的指令等
这个工作开启了ChatGP T借助视觉基础模型作为工具，进行视觉任务处理的研究方向。
论 文 链 接 ：
https://arxiv.org/abs/2303.04671
开 源 代 码 ：
炼丹学徒 2023-03-10 11:15 发表于北京
原创
夕小瑶科技说
剩余11页未读，继续阅读
资源评论
