一个强大的图像标记基础模型：

一个强大的图像标记基础模型： RAM 采用一种新的图像标记范例，可高精度地识别任何常见类别，并利用大规模图像文本对进行训练，而不是手动注释。 RAM 的开发包括四个关键步骤： 1. 通过自动文本语义解析大规模获取无注释图像标签； 2. 使用统一标题和标记任务，训练初步模型进行自动注释，分别由原始文本和解析标签监督； 3. 利用数据引擎生成额外注释并清除不正确的注释； 4. 利用处理后的数据对模型进行再训练，并使用更小但质量更高的数据集进行微调。 经过众多基准测试评估，RAM 的标记能力颇为优秀，效果明显优于 CLIP 和 BLIP。值得注意的是，RAM 甚至超越了完全监督的方式，甚至可媲美 Google API。

ChatGPT 移动应用程序现在可以通过 Bing搜索网络。

ChatGPT 移动应用程序现在可以通过 Bing搜索网络。 今天，OpenAI宣布ChatGPT Plus 的订阅者可以使用 ChatGPT 移动应用程序上名为“浏览”的新功能，让 ChatGPT 在 Bing 中搜索问题的答案。 要尝试它，请在应用程序设置的 "新功能 "启用浏览功能。然后在模型切换器中选择GPT-4，并在下拉菜单中选择 "用Bing浏览"。

：用于快速添加和编辑图像标签和描述的跨平台桌面应用，旨在为生成器式 AI 模型(如 Stable Diffusion)创建图像数

：用于快速添加和编辑图像标签和描述的跨平台桌面应用，旨在为生成器式 AI 模型(如 Stable Diffusion)创建图像数据集，支持自动生成描述。 特征 键盘友好的界面，可快速标记 根据您自己最常用的标签自动完成标签 集成稳定扩散令牌计数器 使用 CogVLM、LLaVA、WD Tagger 等模型自动生成标题和标签 可选择加载 4 位自动字幕模型以减少 VRAM 使用 批量标签操作，对标签进行重命名、删除、排序等操作 高级图像列表过滤

GitHub上一款开源的图像修复工具：Lama Cleaner，基于 SOTA AI 模型构建，功能颇为齐全。

GitHub上一款开源的图像修复工具：Lama Cleaner，基于 SOTA AI 模型构建，功能颇为齐全。 可用于快速去除图像中各种物品、人物、字体、水印等对象，并支持老照片修复、文本替换图像内容等。 | #工具

Stable Diffusion发布了新的图像模型SDXL 0.9

Stable Diffusion发布了新的图像模型SDXL 0.9 这是文本到图像模型的一项突破性发展，相比前身在图像构成和细节上有显著的改进。SDXL 0.9的应用超越了传统的边界，可以用于电影、电视、音乐和教学视频，以及设计和工业用途。 SDXL 0.9可以在消费级GPU上运行，只需要Windows 10或11，或Linux操作系统，16GB RAM，以及至少有8GB VRAM的Nvidia GeForce RTX 20显卡（或更高标准）。Linux用户也可以使用配备16GB VRAM的兼容AMD卡。 SDXL 0.9的功能不仅限于基本的文本提示，还提供了如图像到图像提示（输入一张图像以获取该图像的变体）、修复（重构图像的缺失部分）和扩展（创建现有图像的无缝扩展）等功能。#SD 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

：高级的多模态 AI 模型，旨在通过集成其他数据模态（如图像、音频、3D 和视频内容）来扩展传统语言处理系统的功能。

：高级的多模态 AI 模型，旨在通过集成其他数据模态（如图像、音频、3D 和视频内容）来扩展传统语言处理系统的功能。 开源 OmniFusion 核心是 Mistral-7B。该模型有两个版本：第一个使用一个视觉编码器 CLIP-ViT-L，第二个使用两个编码器（CLIP-ViT-L 和 Dino V2）。最初专注于图像，我们选择 CLIP-ViT-L 作为视觉编码器，因为它具有高效的信息传输能力。 OmniFusion 最重要的组件是它的适配器，这是一种允许语言模型解释和合并来自不同模式的信息的机制。对于单编码器版本，适配器是单层四头变压器层，与更简单的线性层或 MLP 结构相比，它表现出了卓越的性能。具有两个编码器的模型使用一个适配器，该适配器从视觉编码器的所有层收集特征，该适配器没有注意层。 该适配器从视觉编码器（不包括 CLS 令牌）获取嵌入，并将它们映射到与语言模型兼容的文本嵌入。