智东西
作者 | 李水青
编辑 | 云鹏
智东西8月25日消息,今日,阿里云推出大规模视觉语言模型qwen-vl,一步到位、直接开源。
据悉,qwen-vl以通义千问70亿参数模型qwen-7b为基座语言模型研发,支持图文输入,具备多模态信息理解能力。在主流的多模态任务评测和多模态聊天能力评测中,qwen-vl取得了远超同等规模通用模型的表现。
qwen-vl是支持中英文等多种语言的视觉语言(vision language,vl)模型,相较于此前的vl模型,qwen-vl除了具备基本的图文识别、描述、问答及对话能力之外,还新增了视觉定位、图像中文字理解等能力。
一、上线modelscope魔搭社区,免费可商用
多模态是通用人工智能的重要技术演进方向之一。
业界普遍认为,从单一感官的、仅支持文本输入的语言模型,到“五官全开”的,支持文本、图像、音频等多种信息输入的多模态模型,蕴含着大模型智能跃升的巨大可能。多模态能够提升大模型对世界的理解程度,充分拓展大模型的使用场景。
视觉是人类的第一感官能力,也是研究者首先想赋予大模型的多模态能力。继此前推出m6、ofa系列多模态模型之后,阿里云通义千问团队又开源了基于qwen-7b的大规模视觉语言模型(large vision language model, lvlm)qwen-vl。qwen-vl及其视觉ai助手qwen-vl-chat均已上线modelscope魔搭社区,开源、免费、可商用。
用户可从魔搭社区直接下载模型,也可通过阿里云灵积平台访问调用qwen-vl和qwen-vl-chat,阿里云为用户提供包括模型训练、推理、部署、精调等在内的全方位服务。
二、看图说话,能“认出”图中的东方明珠
qwen-vl可用于知识问答、图像标题生成、图像问答、文档问答、细粒度视觉定位等场景。
比如,一位不懂中文的外国游客到医院看病,不知怎么去往对应科室,他拍下楼层导览图问qwen-vl“骨科在哪层”“耳鼻喉科去哪层”,qwen-vl会根据图片信息给出文字回复,这是图像问答能力。
再比如,输入一张上海外滩的照片,让qwen-vl找出东方明珠,qwen-vl能用检测框准确圈出对应建筑,这是视觉定位能力。
qwen-vl是业界首个支持中文开放域定位的通用模型,开放域视觉定位能力决定了大模型“视力”的精准度,也即,能否在画面中精准地找出想找的事物,这对于vl模型在机器人操控等真实应用场景的落地至关重要。
qwen-vl以qwen-7b为基座语言模型,在模型架构上引入视觉编码器,使得模型支持视觉信号输入,并通过设计训练过程,让模型具备对视觉信号的细粒度感知和理解能力。qwen-vl支持的图像输入分辨率为448,此前开源的lvlm模型通常仅支持224分辨率。在qwen-vl 的基础上,通义千问团队使用对齐机制,打造了基于llm的视觉ai助手qwen-vl-chat,可让开发者快速搭建具备多模态能力的对话应用。
三、阿里云通义千问加快开源步伐
在四大类多模态任务(zero-shot caption/vqa/docvqa/grounding)的标准英文测评中,qwen-vl取得了同等尺寸开源lvlm的最好效果。为了测试模型的多模态对话能力,通义千问团队构建了一套基于gpt-4打分机制的测试集“试金石”,对qwen-vl-chat及其他模型进行对比测试,qwen-vl-chat在中英文的对齐评测中均取得了开源lvlm最好结果。
8月初,阿里云开源通义千问70亿参数通用模型qwen-7b和对话模型qwen-7b-chat,成为国内首个加入大模型开源行列的大型科技企业。通义千问开源模型刚一上线就广受关注,当周冲上hugging face趋势榜单,不到一个月在github收获3400多星,模型累计下载量已突破40万。
开源地址:
modelscope魔搭社区:
qwen-vl https://modelscope.cn/models/qwen/qwen-vl/summary
qwen-vl-chat https://modelscope.cn/models/qwen/qwen-vl-chat/summary
模型体验:https://modelscope.cn/studios/qwen/qwen-vl-chat-demo/summary
huggingface地址:
qwen-vl https://huggingface.co/qwen/qwen-vl
qwen-vl-chat https://huggingface.co/qwen/qwen-vl-chat
github地址:
https://github.com/qwenlm/qwen-vl
技术论文地址:
https://arxiv.org/abs/2308.12966
2023-08-25
2023-08-25
2023-08-25
2023-08-25
2024-01-26
2024-08-26
2024-08-26
2024-08-26
2024-08-26
2024-08-25
2024-08-26
2024-08-25
2024-08-25
2024-08-26
2024-08-26
金沙娱场城app copyright © 2024 金沙娱场城app-老版金沙app下载客户手机端 北京智识时代科技有限公司 金沙娱场城app的版权所有