国产精品电影_久久视频免费_欧美日韩国产激情_成年人视频免费在线播放_日本久久亚洲电影_久久都是精品_66av99_九色精品美女在线_蜜臀a∨国产成人精品_冲田杏梨av在线_欧美精品在线一区二区三区_麻豆mv在线看

Emu3:開(kāi)啟多模態(tài)人工智能新紀(jì)元 —— 視頻、圖像、文本三合一模型

發(fā)布于 2024-11-4 12:15
瀏覽
0收藏

隨著人工智能技術(shù)的不斷進(jìn)步,人們對(duì)能夠處理多種模態(tài)數(shù)據(jù)的模型需求日益增長(zhǎng)。圖像、文本和視頻作為三種主要的信息載體,各自具有獨(dú)特的優(yōu)勢(shì)和特點(diǎn)。然而,傳統(tǒng)的人工智能模型往往只能處理單一類型的數(shù)據(jù),無(wú)法充分發(fā)揮多模態(tài)數(shù)據(jù)的潛力。為了打破這一局限,北京智源人工智能研究院的科研團(tuán)隊(duì)經(jīng)過(guò)不懈努力,成功研發(fā)出了 Emu3 原生多模態(tài)世界模型。

一、Emu3 的技術(shù)特點(diǎn)

1. 多模態(tài)統(tǒng)一理解與生成

Emu3 實(shí)現(xiàn)了視頻、圖像、文本三種模態(tài)的統(tǒng)一理解與生成。這意味著它可以同時(shí)處理和關(guān)聯(lián)不同模態(tài)的數(shù)據(jù),從而更好地理解和模擬物理世界。例如,當(dāng)給定一段文本描述時(shí),Emu3 可以生成相應(yīng)的圖像或視頻;反之,當(dāng)輸入一張圖像或一段視頻時(shí),它也能夠生成準(zhǔn)確的文本描述。這種多模態(tài)的交互能力為人工智能在各個(gè)領(lǐng)域的應(yīng)用提供了更廣闊的空間。

2. 創(chuàng)新的技術(shù)架構(gòu)

Emu3 只基于下一個(gè) token 預(yù)測(cè),無(wú)需擴(kuò)散模型或組合式方法。它將圖像、文本和視頻編碼為一個(gè)離散空間,在多模態(tài)混合序列上從頭開(kāi)始聯(lián)合訓(xùn)練一個(gè) transformer 模型。這種創(chuàng)新的架構(gòu)設(shè)計(jì)不僅簡(jiǎn)化了模型的復(fù)雜性,還提高了模型的靈活性和效率。同時(shí),它也為多模態(tài)人工智能的發(fā)展提供了新的思路和方法。

3. 卓越的性能表現(xiàn)

在圖像生成、視覺(jué)語(yǔ)言理解、視頻生成任務(wù)中,Emu3 的表現(xiàn)超過(guò)了 SDXL、LLava - 1.6、OpenSORA 等知名開(kāi)源模型。這充分證明了 Emu3 在多模態(tài)處理方面的強(qiáng)大實(shí)力。例如,在圖像生成任務(wù)中,Emu3 能夠生成更加逼真、細(xì)膩的圖像,細(xì)節(jié)豐富度和色彩還原度都達(dá)到了很高的水平;在視覺(jué)語(yǔ)言理解任務(wù)中,它能夠準(zhǔn)確地理解圖像中的內(nèi)容,并生成與之對(duì)應(yīng)的文本描述;在視頻生成任務(wù)中,它可以生成高質(zhì)量、流暢的視頻,具有很高的視覺(jué)效果和藝術(shù)價(jià)值。

二、Emu3 的應(yīng)用前景

1. 機(jī)器人大腦

Emu3 的多模態(tài)處理能力可以為機(jī)器人提供更加智能的大腦。通過(guò)對(duì)圖像、文本和視頻的綜合理解,機(jī)器人可以更好地感知周圍環(huán)境,與人類進(jìn)行更加自然的交互,并執(zhí)行更加復(fù)雜的任務(wù)。例如,在家庭服務(wù)機(jī)器人中,Emu3 可以幫助機(jī)器人識(shí)別不同的物品、理解人類的指令,并根據(jù)環(huán)境變化做出相應(yīng)的反應(yīng)。

2. 自動(dòng)駕駛

在自動(dòng)駕駛領(lǐng)域,Emu3 可以通過(guò)對(duì)攝像頭拍攝的圖像和視頻進(jìn)行實(shí)時(shí)分析,識(shí)別道路標(biāo)志、車輛和行人等物體,并預(yù)測(cè)它們的運(yùn)動(dòng)軌跡。同時(shí),它還可以結(jié)合地圖信息和交通規(guī)則等文本數(shù)據(jù),為自動(dòng)駕駛系統(tǒng)提供更加準(zhǔn)確的決策依據(jù)。這將大大提高自動(dòng)駕駛的安全性和可靠性。

3. 多模態(tài)對(duì)話和推理

Emu3 可以應(yīng)用于多模態(tài)對(duì)話和推理系統(tǒng)中,實(shí)現(xiàn)更加自然、智能的人機(jī)交互。例如,在智能客服領(lǐng)域,它可以通過(guò)對(duì)用戶的語(yǔ)音、圖像和文本輸入進(jìn)行綜合分析,理解用戶的問(wèn)題,并給出準(zhǔn)確的回答;在智能教育領(lǐng)域,它可以根據(jù)學(xué)生的學(xué)習(xí)情況和需求,生成個(gè)性化的教學(xué)內(nèi)容和輔導(dǎo)方案。

三、Emu3 本地部署實(shí)踐

1、克隆代碼

git clone https://github.com/baaivision/Emu3

2、安裝依賴

cd Emu3
pip install -r requirements.txt

3、模型推理

使用Transformers運(yùn)行Emu3-Gen/Stage1進(jìn)行圖像生成

from PIL import Image
from transformers import AutoTokenizer, AutoModel, AutoImageProcessor, AutoModelForCausalLM
from transformers.generation.configuration_utils import GenerationConfig
from transformers.generation import LogitsProcessorList, PrefixConstrainedLogitsProcessor, UnbatchedClassifierFreeGuidanceLogitsProcessor
import torch


from emu3.mllm.processing_emu3 import Emu3Processor




# model path
EMU_HUB = "BAAI/Emu3-Gen"
VQ_HUB = "BAAI/Emu3-VisionTokenizer"


# prepare model and processor
model = AutoModelForCausalLM.from_pretrained(
    EMU_HUB,
    device_map="cuda:0",
    torch_dtype=torch.bfloat16,
    attn_implementatinotallow="flash_attention_2",
    trust_remote_code=True,
)


tokenizer = AutoTokenizer.from_pretrained(EMU_HUB, trust_remote_code=True, padding_side="left")
image_processor = AutoImageProcessor.from_pretrained(VQ_HUB, trust_remote_code=True)
image_tokenizer = AutoModel.from_pretrained(VQ_HUB, device_map="cuda:0", trust_remote_code=True).eval()
processor = Emu3Processor(image_processor, image_tokenizer, tokenizer)


# prepare input
POSITIVE_PROMPT = " masterpiece, film grained, best quality."
NEGATIVE_PROMPT = "lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry."


classifier_free_guidance = 3.0
prompt = "a portrait of young girl."
prompt += POSITIVE_PROMPT


kwargs = dict(
    mode='G',
    ratio="1:1",
    image_area=model.config.image_area,
    return_tensors="pt",
    padding="longest",
)
pos_inputs = processor(text=prompt, **kwargs)
neg_inputs = processor(text=NEGATIVE_PROMPT, **kwargs)


# prepare hyper parameters
GENERATION_CONFIG = GenerationConfig(
    use_cache=True,
    eos_token_id=model.config.eos_token_id,
    pad_token_id=model.config.pad_token_id,
    max_new_tokens=40960,
    do_sample=True,
    top_k=2048,
)


h = pos_inputs.image_size[:, 0]
w = pos_inputs.image_size[:, 1]
constrained_fn = processor.build_prefix_constrained_fn(h, w)
logits_processor = LogitsProcessorList([
    UnbatchedClassifierFreeGuidanceLogitsProcessor(
        classifier_free_guidance,
        model,
        unconditional_ids=neg_inputs.input_ids.to("cuda:0"),
    ),
    PrefixConstrainedLogitsProcessor(
        constrained_fn ,
        num_beams=1,
    ),
])


# generate
outputs = model.generate(
    pos_inputs.input_ids.to("cuda:0"),
    GENERATION_CONFIG,
    logits_processor=logits_processor,
    attention_mask=pos_inputs.attention_mask.to("cuda:0"),
)


mm_list = processor.decode(outputs[0])
for idx, im in enumerate(mm_list):
    if not isinstance(im, Image.Image):
        continue
    im.save(f"result_{idx}.png")

使用Transformers運(yùn)行Emu3-Chat/Stage1以實(shí)現(xiàn)視覺(jué)語(yǔ)言理解

from PIL import Image
from transformers import AutoTokenizer, AutoModel, AutoImageProcessor, AutoModelForCausalLM
from transformers.generation.configuration_utils import GenerationConfig
import torch


from emu3.mllm.processing_emu3 import Emu3Processor




# model path
EMU_HUB = "BAAI/Emu3-Chat"
VQ_HUB = "BAAI/Emu3-VisionTokenier"


# prepare model and processor
model = AutoModelForCausalLM.from_pretrained(
    EMU_HUB,
    device_map="cuda:0",
    torch_dtype=torch.bfloat16,
    attn_implementatinotallow="flash_attention_2",
    trust_remote_code=True,
)


# used for Emu3-Chat
tokenizer = AutoTokenizer.from_pretrained(EMU_HUB, trust_remote_code=True, padding_side="left")
# used for Emu3-Stage1
# tokenizer = AutoTokenizer.from_pretrained(
#     EMU_HUB,
#     trust_remote_code=True,
#     chat_template="{image_prompt}{text_prompt}",
#     padding_side="left",
# )
image_processor = AutoImageProcessor.from_pretrained(VQ_HUB, trust_remote_code=True)
image_tokenizer = AutoModel.from_pretrained(VQ_HUB, device_map="cuda:0", trust_remote_code=True).eval()
processor = Emu3Processor(image_processor, image_tokenizer, tokenizer)


# prepare input
text = "Please describe the image"
image = Image.open("assets/demo.png")


inputs = processor(
    text=text,
    image=image,
    mode='U',
    return_tensors="pt",
    padding="longest",
)


# prepare hyper parameters
GENERATION_CONFIG = GenerationConfig(
    pad_token_id=tokenizer.pad_token_id,
    bos_token_id=tokenizer.bos_token_id,
    eos_token_id=tokenizer.eos_token_id,
    max_new_tokens=1024,
)


# generate
outputs = model.generate(
    inputs.input_ids.to("cuda:0"),
    GENERATION_CONFIG,
    attention_mask=pos_inputs.attention_mask.to("cuda:0"),
)


outputs = outputs[:, inputs.input_ids.shape[-1]:]
print(processor.batch_decode(outputs, skip_special_tokens=True)[0])

四、結(jié)語(yǔ)

Emu3 作為北京智源人工智能研究院推出的原生多模態(tài)世界模型,代表了人工智能領(lǐng)域的一次重大突破。它的多模態(tài)統(tǒng)一理解與生成能力、創(chuàng)新的技術(shù)架構(gòu)和卓越的性能表現(xiàn),為我們展示了人工智能未來(lái)的發(fā)展方向。雖然它還面臨著一些挑戰(zhàn),但隨著技術(shù)的不斷進(jìn)步和完善,相信 Emu3 將在機(jī)器人大腦、自動(dòng)駕駛、多模態(tài)對(duì)話和推理等領(lǐng)域發(fā)揮重要作用,為我們的生活帶來(lái)更多的便利和創(chuàng)新。

相關(guān)資料

github地址:??https://github.com/baaivision/Emu3??

Emu3-VisionTokenizer模型:??https://modelscope.cn/models/BAAI/Emu3-VisionTokenizer??

Emu3-Gen模型:??https://modelscope.cn/models/BAAI/Emu3-Gen??

Emu3-Chat模型:??https://modelscope.cn/models/BAAI/Emu3-Chat??

本文轉(zhuǎn)載自??小兵的AI視界??,作者: 小兵 

已于2024-11-4 15:11:17修改
收藏
回復(fù)
舉報(bào)
回復(fù)
相關(guān)推薦
精品久久久久久久久久中文字幕| 欧美四级电影在线观看| 亚洲大片精品永久免费| 国产精品第3页| 理论片午午伦夜理片在线播放| 亚洲黄页一区| 欧美在线欧美在线| 亚洲v.com| 欧美性猛交xxxx乱大交蜜桃| 精品亚洲欧美日韩| 成人免费网站www网站高清| 日韩系列欧美系列| 色综合久久综合网欧美综合网| 国产高清视频在线| 亚洲福利合集| 国产在线视视频有精品| 91麻豆精品国产自产在线观看一区 | 免费看日产一区二区三区 | 内射国产内射夫妻免费频道| 国产一区二区三区在线观看免费| av蓝导航精品导航| 美女网站视频久久| 玩弄japan白嫩少妇hd| 久久久99精品免费观看| 亚洲欧洲动漫| 亚洲美女视频一区| www亚洲天堂| 国产成人免费视频精品含羞草妖精| 日韩视频一区二区三区在线播放| 5566中文字幕一区二区| 亚洲一区二区三区中文字幕在线观看| 51精品国自产在线| 一级在线免费视频| 裸体一区二区三区| 国产精品久久网| 日韩人体视频| 日本二三区不卡| 国产免费黄视频| 99国产精品99久久久久久| 黄色一级视频播放| 国产乱理伦片a级在线观看| 色97色成人| 欧美黑人性生活视频| 综合在线影院| xxx欧美精品| 国产视频精品在线| 99蜜月精品久久91| 午夜精品免费视频| 美女视频网站黄色亚洲| 一级黄色香蕉视频| 欧美一级黄色大片| 在线免费观看黄| 久久视频这里只有精品| 深夜福利久久| 国产精品.com| 日本中文字幕一区二区视频| 最新av在线免费观看| 青青草91视频| 免费成人深夜夜行网站视频| 国产91富婆露脸刺激对白| 日本成人三级电影网站| 成人aa视频在线观看| 免费成人在线视频网站| 国产精品伊人色| 一级性生活视频| 精品国产一区二区三区四区| 欧美不卡123| 欧美色123| 亚洲中国色老太| 欧美电影免费观看高清完整| 色婷婷国产精品久久包臀| a视频免费看| 欧美高清视频不卡网| 欧美天天在线| 成人au免费视频影院| 久久综合九色欧美综合狠狠| 国产精品中文字幕在线| 黄色网页在线播放| 久久综合成人精品亚洲另类欧美| 日本中文字幕电影在线观看| 国产一区二区三区在线免费观看| 精品久久久久久久久久久aⅴ| 亚洲日本欧美天堂| 国产精品1234| 亚洲一区二区三区视频在线播放 | 在线观看av每日更新免费| 日韩精品免费在线播放| 日本女人一区二区三区| 爱久久·www| 日本一区二区在线播放| 我不卡神马影院| 亚洲在线色站| 成人精品aaaa网站| 久久高清国产| 亚洲欧美激情网| 日韩精品视频在线观看视频| 黄色片久久久久| 国产视频一区二区三区在线观看| 三级成人黄色影院| 高清国产一区| 亚洲激情播播| 中文字幕一区二区三区四区五区六区 | 日本桃色视频| 亚欧洲精品在线视频免费观看| 欧美成人官网二区| 99国产欧美另类久久久精品| 精品视频在线一区二区在线| www.日本少妇| 国产精品狠色婷| 欧美xfplay| 成人av午夜影院| 久久久久久久久久久9不雅视频| 日本免费中文字幕在线| 欧美欧美一区二区| 欧美日韩二区三区| 欧美a大片欧美片| 性刺激综合网| 亚洲成人精品视频在线观看| 成人同人动漫免费观看| 好吊色视频988gao在线观看| 亚洲欧洲激情在线| 91丝袜国产在线播放| 免费成人动漫| 高清免费日韩| 色婷婷综合久久久中文一区二区 | 捆绑变态av一区二区三区| 免费影视亚洲| 欧洲精品码一区二区三区免费看| 性网站在线观看| 91夜夜揉人人捏人人添红杏| 欧美日韩国产丝袜另类| 欧美亚洲国产激情| www.中文字幕在线| 日韩一级性生活片| 一本久道中文无码字幕av| 日韩欧美成人激情| 精品久久久视频| 国产日韩影视精品| 国产精品免费播放| 自拍偷拍第1页| 91性高湖久久久久久久久_久久99| 亚洲精品专区| 日韩av黄色| 国产中文在线| 九九九在线观看视频| 小说区图片区图片区另类灬| 性色av一区二区三区免费| 日韩精品一区二| 在线视频一区二区三| 国产日产欧美一区| 狠狠色丁香婷婷综合久久片| 亚洲精品字幕| 日本一区二区在线看| 日韩伦理一区二区| 国产小视频在线播放| 亚洲中文字幕无码专区| 国产精品欧美亚洲777777| 欧美揉bbbbb揉bbbbb| 亚洲欧洲美洲综合色网| av亚洲精华国产精华精| 亚洲免费观看高清完整版在线观| 久久久久久久久亚洲精品| 亚洲在线第一页| 日韩在线观看免费av| 一本色道久久综合狠狠躁篇的优点 | 国产精品∨欧美精品v日韩精品| 在线视频国产日韩| 久久久久久久色| 懂色一区二区三区av片| 久激情内射婷内射蜜桃| 热99在线观看| 欧美日韩在线不卡视频| 日本超碰在线观看| 在线欧美一级视频| 天天色天天射天天综合网| 91视频亚洲| 日韩av影院| 欧美日韩国产一区二区三区不卡| 女仆av观看一区| 国产在线成人| 韩国成人在线视频| 国产精品人人做人人爽人人添| 亚洲激情视频| 日韩精品1区2区3区| 中文无字幕一区二区三区| 欧美日韩一区二区三区免费看| 尤物tv国产一区| 国产一区在线免费| 亚洲色精品三区二区一区| 免费的黄网站在线观看| 偷拍亚洲精品| 99精品在线观看视频| 在线播放日韩导航| 久久99深爱久久99精品| 999国产精品永久免费视频app| 在线播放的av| а√天堂中文在线资源8| 日韩动漫一区| 国产亚洲欧美激情| 亚洲剧情一区二区|