上周最火的就是 LLaMA3 和 Phi3, 有开发者将其视觉模型也开源了, 性能还很强：
github.com
- 6 赞 · 3 评论
- #每日快讯# Parts2Whole：多参考图定制人像
一种能够根据多张参考图像生成定制化的人类肖像框架
该框架通过语义感知的外观编码器保留人体部位细节，并利用共享自注意力机制实现多图像条件生成，支持从任意数量和组合的条件图像中生成人类图像。
网站：
huanngzh.github.io
GItHub：github.com8 赞 · 2 评论 - InternVL：开源版 GPT4V
一个多模态模型，将视觉基础模型扩展到 60 亿参数，在 32 个视觉-语言基准测试中展现了卓越性能，涵盖图像/视频分类、检索等关键多模态任务。
GitHub：github.com
演示：internvl.opengvlab.com6 赞 · 3 评论
- 6 赞 · 3 评论
- #每日快讯# Parts2Whole：多参考图定制人像
一种能够根据多张参考图像生成定制化的人类肖像框架
该框架通过语义感知的外观编码器保留人体部位细节，并利用共享自注意力机制实现多图像条件生成，支持从任意数量和组合的条件图像中生成人类图像。
网站：huanngzh.github.io
GItHub：github.com8 赞 · 2 评论 - InternVL：开源版 GPT4V
一个多模态模型，将视觉基础模型扩展到 60 亿参数，在 32 个视觉-语言基准测试中展现了卓越性能，涵盖图像/视频分类、检索等关键多模态任务。
GitHub：github.com
演示：internvl.opengvlab.com6 赞 · 3 评论