gpt-4v(ision) | BriefGPT - AI 论文速递

关键词gpt-4v(ision)

搜索结果 - 6

GPT-4V 探索：挖掘自动驾驶
本论文探讨了将 GPT-4V 视觉语言模型应用于矿山环境中的自动驾驶，它能够理解意图并在紧急情况下做出准确决策。通过视觉问答和复杂场景理解，GPT-4V 解决了这些特殊环境下的挑战，如识别和解释行人、各种车辆和交通设备等元素。尽管 GPT-
PDF10 days ago
LLM-AD: 基于大型语言模型的音频描述系统
介绍了一个利用 GPT-4V（视觉）的自动化音频描述生成流程，通过使用现成组件实现，不需要额外训练，生成符合自然语言音频描述生产标准的音频描述，同时通过基于跟踪的字符识别模块在帧间保持上下文一致的角色信息，在 MAD 数据集上表现与基于学习
PDF2 months ago
AutoEval-Video：一个用于评估开放式视频问答中大型视觉语言模型的自动化基准
我们提出了一个新颖且具有挑战性的基准，AutoEval-Video，以全面评估开放式视频问答中的大规模视觉语言模型。
PDF7 months ago
GPT-4V (ision) 作为社交媒体分析引擎
利用现有基准数据集对 GPT-4V 的五项任务进行定量分析，并选择有代表性的样本详细评估其在社交多媒体内容理解方面的潜力，结果显示 GPT-4V 在情感分析、仇恨言论检测、假新闻识别、人口推断和政治意识形态检测等任务上展现出显著的效果，并具
PDF8 months ago
GPT-4V (ision): 幻觉的整体分析：偏见和干扰挑战
GPT-4V (ision) 的幻觉行为以及在视觉语言模型中的两种常见幻觉类型（偏见和干扰）的评估结果表明其存在偏见，如区域性偏见和对引导性问题的脆弱性，并揭示了现有解决方案的无效性，强调了需要新的解决方案。
PDF8 months ago
Idea2Img：基于 GPT-4V（ision）的迭代自我优化的自动图像设计与生成
引入了 “Idea to Image” 系统，利用 GPT-4V (Vision) 进行多模态迭代自我精炼，实现自动图像设计与生成。
PDF9 months ago