关注公众号,发现CV技术之美
论文集合链接地址:https://github.com/BradyFU/Awesome-Multimodal-Large-Language-Models
大语言模型 Large Language Models(LLM)强大的泛化和推理能力给计算机视觉领域带来了很多灵感和启发,从而开辟出多模态大语言模型 Multimodal Large Language Models(MLLM)这一全新的前沿热点方向。该项目汇集了该方向近期的论文,包括:
Multimodal Instruction Tuning
Multimodal In-Context Learning
Multimodal Chain-of-Thought
LLM-Aided Visual Reasoning
Fundation Models
others
这 6 个子方向以及相应的新开放的数据集,该链接将保持实时更新,便于研究人员跟进。
![68327d48dafc695e0f408c7fc2aad08c.png](https://img-blog.csdnimg.cn/img_convert/68327d48dafc695e0f408c7fc2aad08c.png)
![89148b88425db863e9c7dcd645fd1ef4.png](https://img-blog.csdnimg.cn/img_convert/89148b88425db863e9c7dcd645fd1ef4.png)
![fae9bb695ad30ace5f2d9975551e12ac.png](https://img-blog.csdnimg.cn/img_convert/fae9bb695ad30ace5f2d9975551e12ac.png)
![4ab09b9e8f51b02665282ee95c235cec.png](https://img-blog.csdnimg.cn/img_convert/4ab09b9e8f51b02665282ee95c235cec.png)
![3e7bd078a9e7eb586a15fc7dbe6c63b2.jpeg](https://img-blog.csdnimg.cn/img_convert/3e7bd078a9e7eb586a15fc7dbe6c63b2.jpeg)
END
加入「计算机视觉」交流群👇备注:CV