哇,图像识别能力相当不错
摘要
一位用户通过关于追踪冰洞的特定提示,展示了令人印象深刻的图像识别能力,突显了模型的视觉理解水平。
第一个和第二个图像的提示原文:​ 1. 洞在哪里?仅用虚线闭合曲线精确描绘冰洞的轮廓。排除瓶口。生成一张图片来展示,不要对图像进行不必要的修改。​ 2. 我说的是洞,不是冰
相似文章
@rohanpaul_ai: 太美了,从单次识别到持久视觉记忆
一条推文,称赞 CollovLabs 在 AI 领域从单次识别到持久视觉记忆的进步。
用图像思考
OpenAI 发布了 o3 和 o4-mini 模型,这些模型能够在链式思维过程中对图像进行推理,通过裁剪和缩放等原生图像操作工具实现视觉理解,无需额外的专用模型。这些模型在包括 STEM 问题、图表阅读和视觉搜索任务在内的多模态基准上达到了最先进的性能。
@Miles_Brundage: 还记得吗?从 o3 开始,AI 系统的推理、图像理解和网络搜索能力就已经强到可以……
Miles Brundage 指出,从 o3 等模型开始,AI 系统已经能通过推理、图像理解和网络搜索轻松推断照片的拍摄地点,但人们对此仍不知情,继续发布带有位置可识别信息的图片。
一个新 AI 模型声称是首个采用「视觉思考」的模型
Elorian AI 发布 Glimpse 模型,声称是首个实现「视觉思考」的 AI 模型,能够像人类一样逐步观察、检查并推理图像内容,在 12 个未见过的迷宫测试中成功解出 11 个,并自行编写代码追踪路径并绘制动画解答。
@HuggingModels: 想构建一个能看图像并用自然语言描述的AI吗?这个新模型就能做到。它是一个视觉编码器-解码器…
介绍了一种新型视觉编码器-解码器模型,能够同时处理图像和文本,生成类人回应,适用于图像字幕和视觉问答等任务。