-
JoyAI-VL-Interaction：这不是视频理解，这是”在场感”
锅里水烧开了，你双手都在处理食材。孩子走向了灶台。监控画面里冒出了烟。 这些事情的发生没有先兆，也不会等你掏出手机点开 App。今天的 AI 在面对这种场景时基本帮不上忙，这些模型从设计上就是回合制的：安静地等你召唤，然后回答你刚刚提出的问题。 京东未来研究院 JoyAI-VL 团队认为这不对。他们 6 月 20 日正式开源了一个叫 JoyAI-VL-Interaction 的项目。一个 8B 规…- 948
- 0
-
3万字解读：多模态AI（Multimodal AI）起源、演进与思考研究报告
多模态AI的发展历程是一部从单一感知到全面认知的技术史诗。从AlexNet在2012年引爆深度学习革命，到GPT-4o实现原生多模态理解，再到世界模型对AGI的终极探索，每一次技术跃迁都在重新定义人机交互的边界。本文将深度解析CNN、GAN、ViT、Diffusion等关键技术的演进脉络，揭示多模态AI如何逐步突破感知局限，走向对世界的理解与建模。 多模态AI作为一种融合视觉、语言、音频等多种感知…- 2.2k
- 0