Tagged
多模态
阿里云百炼实战（三）：Qwen-Omni 多模态——视频、音频、图像理解
Qwen-Omni 生产实践：四种输入、文档没强调的流式必填、配上一个真实可跑的视频理解示例和合理的像素预算。
自然语言处理（十一）：多模态大模型
多模态大模型深度解析：CLIP的对比学习、BLIP-2的Q-Former桥接架构、LLaVA的视觉指令微调、Whisper语音识别、GPT-4V能力图谱以及MMBench/MME/MMMU评测体系——配可运行代码。
Qwen-Omni 生产实践：四种输入、文档没强调的流式必填、配上一个真实可跑的视频理解示例和合理的像素预算。
多模态大模型深度解析：CLIP的对比学习、BLIP-2的Q-Former桥接架构、LLaVA的视觉指令微调、Whisper语音识别、GPT-4V能力图谱以及MMBench/MME/MMMU评测体系——配可运行代码。