Multimodal Foundation Models: From Specialists to General-Purpose Assistants

基础(证据) 介绍(产科) 计算机科学 多模式学习 数据科学 人工智能 政治学 医学 放射科 法学
作者
Chunyuan Li,Zhe Gan,Zhengyuan Yang,Jianwei Yang,Linjie Li,Lijuan Wang,Jianfeng Gao
出处
期刊:Cornell University - arXiv 被引量:9
标识
DOI:10.48550/arxiv.2309.10020
摘要

This paper presents a comprehensive survey of the taxonomy and evolution of multimodal foundation models that demonstrate vision and vision-language capabilities, focusing on the transition from specialist models to general-purpose assistants. The research landscape encompasses five core topics, categorized into two classes. (i) We start with a survey of well-established research areas: multimodal foundation models pre-trained for specific purposes, including two topics -- methods of learning vision backbones for visual understanding and text-to-image generation. (ii) Then, we present recent advances in exploratory, open research areas: multimodal foundation models that aim to play the role of general-purpose assistants, including three topics -- unified vision models inspired by large language models (LLMs), end-to-end training of multimodal LLMs, and chaining multimodal tools with LLMs. The target audiences of the paper are researchers, graduate students, and professionals in computer vision and vision-language multimodal communities who are eager to learn the basics and recent advances in multimodal foundation models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
科研通AI2S应助xiaoran采纳,获得10
1秒前
文艺雪糕完成签到,获得积分10
2秒前
sbrcpyf发布了新的文献求助10
3秒前
独钓寒江雪完成签到 ,获得积分10
3秒前
ljycasey完成签到,获得积分10
5秒前
善学以致用应助朝暮行行采纳,获得10
5秒前
9秒前
11秒前
寒冷苞络完成签到 ,获得积分10
13秒前
14秒前
wwwanfg完成签到,获得积分10
15秒前
hanyb发布了新的文献求助10
15秒前
15秒前
dicc发布了新的文献求助10
17秒前
12345发布了新的文献求助10
18秒前
lilivite应助cherish采纳,获得30
20秒前
20秒前
wwwanfg发布了新的文献求助10
21秒前
sumugeng完成签到,获得积分10
25秒前
刘斌发布了新的文献求助10
26秒前
27秒前
我是老大应助大开口采纳,获得10
31秒前
32秒前
33秒前
完美世界应助Xx采纳,获得10
34秒前
37秒前
大模型应助宇老师采纳,获得10
39秒前
汪洋浮萍一道开给汪洋浮萍一道开的求助进行了留言
40秒前
jkdi完成签到,获得积分10
40秒前
XZY发布了新的文献求助10
41秒前
42秒前
43秒前
shchjasjh发布了新的文献求助10
44秒前
CipherSage应助sss采纳,获得10
46秒前
大个应助QRE采纳,获得10
46秒前
SUKAZH完成签到,获得积分10
47秒前
48秒前
科目三应助科研通管家采纳,获得10
50秒前
50秒前
高分求助中
Rock-Forming Minerals, Volume 3C, Sheet Silicates: Clay Minerals 2000
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
The Healthy Socialist Life in Maoist China 600
The Vladimirov Diaries [by Peter Vladimirov] 600
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3267951
求助须知:如何正确求助?哪些是违规求助? 2907366
关于积分的说明 8341705
捐赠科研通 2577991
什么是DOI,文献DOI怎么找? 1401497
科研通“疑难数据库(出版商)”最低求助积分说明 655037
邀请新用户注册赠送积分活动 634108