上海AI實驗室發(fā)布新一代書生·視覺大模型

近期，上海人工智能實驗室聯手多所知名高校及科技公司，共同開發(fā)出全新的基礎版本書生·視覺大模型——InternVL。該模型搭載了高達60億的視覺編碼器參數（InternVL-6B），創(chuàng)新性引入對比-生成融合的漸進式對齊技術，有效實現了互聯網規(guī)模下視覺大模型與語言大模型的精準匹配。

InternVL-6B不僅能高效處理復雜圖像中細膩的視覺元素，實現圖像到文本的轉換功能，而且能夠自動解析和理解復雜網頁內容，包括解決其中可能存在的數學問題。

此外，自成立以來，上海AI實驗室在視覺大模型領域持續(xù)推陳出新。2021年，實驗室推出了首款具有廣泛適用性的巨型視覺模型書生1.0，憑借其單個基本模型便可覆蓋分類、目標檢測、語義分割、深度估計四大部分;2022年，又發(fā)布了升級版視覺大模型InternImage，創(chuàng)新采用動態(tài)稀疏卷積作為主要操作手段，開創(chuàng)了非Transformer結構的巨型模型設計新思路，這使得它在包含12種視覺任務在內的多個領域表現優(yōu)異。