增加「标记」为视觉线索，使GPT-4V更精准、更细致识别微软等品牌

机器之心动态欢迎阅读

原标题：微软等通过在视觉提示中加入“标记”让GPT-4V的看更准，分更细

关键词：图像、研究者、模型、区域、视觉

文章来源：机器之心

内容字数：5375字

内容摘要：机器之心报道编辑：杜伟、小舟引入了全新的视觉提示方法 SoM（Set-of-Mark），使得OpenAI的多模态大型模型GPT-4V在理解视觉内容方面有了质的提升。最近一段时间，我们目睹了大规模语言模型（LLM）的明显进步。特别是，生成式预训练Transformer或GPT的发布推动了业界和学术界的多项突破。自从GPT-4发布以来，大型多模态模型（LMM）引起了越来越多研究者的兴趣，许多工作…

原文链接：点此阅读原文：微软等通过在视觉提示中加入“标记”让GPT-4V的看更准，分更细

联系作者

文章来源：机器之心

作者微信：almosthuman2014

作者简介：专业的人工智能媒体和产业服务平台