GPT-4識圖功能遲遲不開(kāi)放，終于有人忍不住自己動(dòng)手做了一個(gè)。

(資料圖片僅供參考)

MiniGPT-4來(lái)了，Demo開(kāi)放在線(xiàn)可玩。

傳一張海鮮大餐照片上去，就能直接獲得菜譜。

傳一張商品效果圖，就可以讓AI寫(xiě)一篇帶貨文案。

手繪一個(gè)網(wǎng)頁(yè)，可以給出對應的HTML代碼：

除了生產(chǎn)力拉滿(mǎn)，也支持根據常識推理圖上內容是否合理、解釋表情包為什么好笑，以及看截圖找電影等娛樂(lè )玩法。

可以說(shuō)，GPT-4發(fā)布時(shí)展示過(guò)的功能，MiniGPT-4基本也都有了。

這下網(wǎng)友直接把Demo服務(wù)器擠爆，開(kāi)發(fā)團隊連開(kāi)4臺備用服務(wù)器，都有幾十人在排隊。

不等OpenAI了，現在就能玩

除了研究團隊給出的示例，網(wǎng)友也用MiniGPT-4玩出了各種花樣

有人上傳自己畫(huà)的畫(huà)，讓AI評價(jià)評價(jià)。

有人上傳一張從車(chē)道拍攝的飛機墜毀瞬間，讓MiniGPT-4盡可能詳細地描述，并思考自動(dòng)駕駛AI能不能理解這個(gè)場(chǎng)面。

做到這么好的效果，MiniGPT-4實(shí)現起來(lái)卻并不復雜。

把圖像編碼器與開(kāi)源語(yǔ)言模型Vicuna（小羊駝）整合起來(lái)，并且凍結了兩者的大部分參數，只需要訓練很少一部分。

傳統預訓練階段，使用4張A100在10個(gè)小時(shí)內就可完成，此時(shí)訓練出來(lái)的Vicuna已能夠理解圖像，但生成能力受到很大影響。

為解決這個(gè)問(wèn)題，團隊讓MiniGPT-4與ChatGPT合作創(chuàng )建了3500個(gè)圖像文本的高質(zhì)量數據集，也一并開(kāi)源。?

用新的數據集微調可以顯著(zhù)提高模型的生成可靠性和整體可用性，而且計算效率很高，使用單個(gè)A100只需要7分鐘。

并且團隊正在準備一個(gè)更輕量級的版本，部署起來(lái)只需要23GB顯存。

也就是消費級顯卡中擁有24GB顯存的3090或4090就可以本地運行了。

MiniGPT-4開(kāi)發(fā)團隊來(lái)自KAUST（沙特阿卜杜拉國王科技大學(xué)），包括4位華人成員和他們的導師 Mohamed Elhoseiny。

兩位正在讀博的共同一作還在GitHub頁(yè)面上特別標注正在找工作。

有意向的公司要抓緊搶人了～

在線(xiàn)Demo：https://minigpt-4.github.io

開(kāi)源代碼：https://github.com/Vision-CAIR/MiniGPT-4

論文：https://github.com/Vision-CAIR/MiniGPT-4/blob/main/MiniGPT_4.pdf

本文作者：夢(mèng)晨，來(lái)源：量子位，原文標題：《華人團隊迷你GPT-4搶跑看圖聊天：OpenAI有的它都有，服務(wù)器已被擠爆》

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：