5月9日，Meta发布了ImageBind，一个跨六种模态（图像、文本、深度、热度图、音频和IMU数据）的整体化人工智能模型。
Meta ImageBind 多模态模型开源，这是一个像人类一样结合不同感官的新AI模型。它可以理解图像、视频、音频、深度、热量和空间运动。我们离AGI又进一步。 当人类看到一辆行驶中的火车，不仅会使用视觉，还会听到声音，感知距离，感知速度。 ImageBind 也是类似，它将六种数据，文本，音频，视觉，运动，温度，深度，嵌入到一个向量空间，让模型像千脑智能那样，调动不同的感知区域进行「交谈」并做出全面的解释和判断。
这一技术让机器在整合多种感官信息方面更接近人类。
demo：https://imagebind.metademolab.com/demo
模型下载：https://dl.fbaipublicfiles.com/imagebind/imagebind_huge.pth
论文：https://arxiv.org/abs/2305.05665
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/49244.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
赞