multi-modality large language models | BriefGPT

关键词multi-modality large language models

搜索结果 - 5

M3GIA: 一项以认知为灵感的多语言和多模态通用智能能力基准
我们引入了首个认知驱动的多语言和多模态基准 M3GIA 来评估多模态大型语言模型的通用智能能力，并提出了基于 Cattell-Horn-Carrol (CHC) 智能模型的五个关键认知因素和评估方法。我们的研究表明，英语领域中最先进的多模态
PDFa month ago
LM4LV：一个用于低级图像任务的冻结大型语言模型
该研究论文提出了一种名为 LM4LV 的框架，它能够使冻结的大型语言模型 (LLM) 解决一系列的低层次视觉任务，展示了 LLM 在低层次视觉中的强大潜力，并且架起了 MLLM 和低层次视觉任务之间的桥梁。
PDFa month ago
低级视觉上多模态基础模型的基准：从单图像到图像对
通过设计基准测试，评估多模态大型语言模型 (MLLMs) 在低层次视觉感知和理解方面的能力，并将低层次视觉感知和描述的评估从单一图像扩展到图像对。研究发现，多个 MLLMs 在单一图像上表现出不错的低层次视觉能力，但只有 GPT-4V 在图
PDF5 months ago
Q-Boost: 低层多模态基础模型的视觉质量评估能力研究
通过引入中性提示和多提示集成两个关键的组成部分，Q-Boost 方法在图像质量评估和视频质量评估任务中增强了低级多模态大语言模型在低级视觉问题方面的能力，并展示了优秀的零样本性能。
PDF6 months ago
Q-Bench：针对低级视觉的通用基准模型基准
通过构建低层视觉感知、低层视觉描述和视觉质量评估三个领域的综合基准，评估了多模式大型语言模型在低层视觉感知和理解方面的能力，并发现其具有基本的低层视觉技能，但这些技能仍不稳定和相对不精确，需要针对这些能力进行特定的增强。
PDF9 months ago