摘要：
引子 最近鹅厂竟然开源了一个多模态的大模型，之前分享福报厂的多模态视觉大模型（Qwen-VL环境搭建&推理测试-CSDN博客）感兴趣的可以移步。鹅厂开源的，我还是头一回部署。好的，那就让我们看看这个多模态视觉大模型有什么特点吧，首先它说它是汉英双语DiT模型，嗯，这个时候必须再次吐槽下智谱开源的C 阅读全文
摘要：
引子 记得2015年左右，去参加VALSE的时候，就有虚拟试衣的项目亮相。现在回头看看，当时的效果还是十分简陋和不协调的。今天在全球最大的同性交友网站github上突然发现一个不错的虚拟试衣项目，看其效果还是不错，加入了扩散模型，效果看起来有质的提升。OK，让我们开始吧。 一、模型介绍 论文名称： 阅读全文
摘要：
引子 这几天阿里的Qwen2.5大模型在大模型圈引起了轰动，号称地表最强中文大模型。前面几篇也写了QWen的微调等，视觉语言模型也写了一篇CogVLM，感兴趣的小伙伴可以移步https://blog.csdn.net/zzq1989_/article/details/138118608?spm=10 阅读全文
摘要：
一、引子 CV做了这么多年，大多是在固定的数据集上训练，微调，测试。突然想起来一句话，I have a dream！就是能不能不用再固定训练集上捣腾，也就是所谓的开放词汇目标检测（OVD）。偶尔翻翻AI新闻，发现现在CV领域有在卷开集目标检测的趋势。刚好翻到，YOLO-World这一开源项目。OK， 阅读全文
摘要：
引子 对于多模态大语言模型，一直没有怎么接触。刚巧一朋友有问到这方面的问题，也就顺手调研下。智谱AI的东西一直以来，还是很不错的。ChatGLM的忠实fans，看到白嫖网站github上有他们开源的多模态CogVLM/CogAgent，那就顺手看看了。OK，让我们开始吧。 一、模型介绍 CogV 阅读全文
摘要：
引子 由于工作上需要，一直在用Qwen做大模型推理，有个再训练的需求，特此琢磨下Qwen的训练。OK，我们开始吧。 一、安装环境 查看显卡驱动版本 根据官网推荐 OK，docker在手，天下我有。 docker pull qwenllm/qwen:cu117 docker run -it --rm 阅读全文
摘要：
引子 之前分享过一篇SAM（感兴趣的，请移步https://blog.csdn.net/zzq1989_/article/details/135479818?spm=1001.2014.3001.5502）环境搭建&推理测试，虽然话说Segment Anything，但是原始模型对于一些子领域的效果 阅读全文
摘要：
引子 敏感词检测，这个是很多文字类服务都要遇到的问题，最近项目上接触到，特此调研梳理下这部分的内容。比如当我们输入一些包含暴力或者色情的文本，系统会阻止信息提交。敏感词过滤就是检查用户输入的内容有没有敏感词。OK，让我们开始吧。 一、算法原理简介 一般敏感词检测之后有两个处理策略。（1）直接阻止信息 阅读全文
摘要：
引子 Sora，2024年2月15日，OpenAI发布的人工智能文生视频大模型。支持60秒视频生成，震荡了国内国际学术圈、广告圈、AI教培圈。Sora最主要有三个优点：第一，“60s超长视频”，之前文本生成视频大模型一直无法真正突破AI视频的4秒连贯性瓶颈，而Sora直接做到了60秒连贯视频。第二， 阅读全文
摘要：
引子 作为YOLO的拥趸，之前一直没有太关注DETR，虽然知道效果很好。但是，巨大的计算开销，还是一直让我望而却步。然而，今天在翻阅CVPR2024的论文的时候，突然看到这么一篇《RT-DETR: DETRs Beat YOLOs on Real-time Object Detection》。嗯，它 阅读全文