华人团队迷你GPT4抢跑看图聊天：OpenAI有的它都有，服务器被挤爆汪小菲突然宣布：下周结婚

       梦晨发自凹非寺
       量子位|公众号QbitAI
       GPT-4识图功能迟迟不开放，终于有人忍不住自己动手做了一个。
       MiniGPT-4
       来了，Demo开放在线可玩。
       传一张海鲜大餐照片上去，就能直接获得菜谱。
       传一张商品效果图，就可以让AI写一篇带货文案。
       手绘一个网页，可以给出对应的HTML代码
       除了生产力拉满，也支持根据常识推理图上内容是否合理、解释表情包为什么好笑，以及看截图找电影等娱乐玩法。

       可以说，GPT-4发布时展示过的功能，MiniGPT-4基本也都有了。
       这下网友直接把Demo服务器挤爆，开发团队连开4台备用服务器，都有几十人在排队。

广告

       不等OpenAI了，现在就能玩
       除了研究团队给出的示例，网友也用MiniGPT-4玩出了各种花样
       有人上传自己画的画，让AI评价评价。

       有人上传一张从车道拍摄的飞机坠毁瞬间，让MiniGPT-4尽可能详细地描述，并思考自动驾驶AI能不能理解这个场面。

广告

       做到这么好的效果，MiniGPT-4实现起来却并不复杂。
       把图像编码器与开源语言模型Vicuna（小羊驼）整合起来，并且冻结了两者的大部分参数，只需要训练很少一部分。
       传统预训练阶段，使用4张A100在10个小时内就可完成，此时训练出来的Vicuna已能够理解图像，但生成能力受到很大影响。
       为解决这个问题，团队让MiniGPT-4与ChatGPT合作创建了3500个图像文本的高质量数据集，也一并开源。
       用新的数据集微调可以显著提高模型的生成可靠性和整体可用性，而且计算效率很高，使用单个A100只需要7分钟。

       并且团队正在准备一个更轻量级的版本，部署起来只需要23GB显存。
       也就是消费级显卡中拥有24GB显存的
       3090或4090
       就可以本地运行了。
       MiniGPT-4开发团队来自KAUST（沙特阿卜杜拉国王科技大学），包括4位华人成员和他们的导师MohamedElhoseiny。

       两位正在读博的共同一作还在GitHub页面上特别标注
       正在找工作
       。
       有意向的公司要抓紧抢人了～
       在线Demo：
       https://minigpt-4.github.io
       开源代码：
       https://github.com/Vision-CAIR/MiniGPT-4
       论文：
       https://github.com/Vision-CAIR/MiniGPT-4/blob/main/MiniGPT_4.pdf
       —完—
       量子位QbitAI·头条号签约
       关注我们，第一时间获知前沿科技动态