已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

LLaVA-Med: Training a Large Language-and-Vision Assistant for Biomedicine in One Day

计算机科学 人工智能 生物医学 杠杆(统计) 语言理解 自然语言处理 词汇 领域(数学分析) 语义学(计算机科学) 语言学 数学 遗传学 生物 数学分析 哲学 程序设计语言
作者
Chunyuan Li,Cliff Wong,Sheng Zhang,Naoto Usuyama,Haotian Liu,Jianwei Yang,Tristan Naumann,Hoifung Poon,Jianfeng Gao
出处
期刊:Cornell University - arXiv 被引量:56
标识
DOI:10.48550/arxiv.2306.00890
摘要

Conversational generative AI has demonstrated remarkable promise for empowering biomedical practitioners, but current investigations focus on unimodal text. Multimodal conversational AI has seen rapid progress by leveraging billions of image-text pairs from the public web, but such general-domain vision-language models still lack sophistication in understanding and conversing about biomedical images. In this paper, we propose a cost-efficient approach for training a vision-language conversational assistant that can answer open-ended research questions of biomedical images. The key idea is to leverage a large-scale, broad-coverage biomedical figure-caption dataset extracted from PubMed Central, use GPT-4 to self-instruct open-ended instruction-following data from the captions, and then fine-tune a large general-domain vision-language model using a novel curriculum learning method. Specifically, the model first learns to align biomedical vocabulary using the figure-caption pairs as is, then learns to master open-ended conversational semantics using GPT-4 generated instruction-following data, broadly mimicking how a layperson gradually acquires biomedical knowledge. This enables us to train a Large Language and Vision Assistant for BioMedicine (LLaVA-Med) in less than 15 hours (with eight A100s). LLaVA-Med exhibits excellent multimodal conversational capability and can follow open-ended instruction to assist with inquiries about a biomedical image. On three standard biomedical visual question answering datasets, LLaVA-Med outperforms previous supervised state-of-the-art on certain metrics. To facilitate biomedical multimodal research, we will release our instruction-following data and the LLaVA-Med model.
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
小二郎应助小白采纳,获得10
刚刚
1秒前
辉光日新发布了新的文献求助10
6秒前
nanmu完成签到 ,获得积分10
10秒前
11秒前
苏小喵发布了新的文献求助30
12秒前
13秒前
wb完成签到 ,获得积分10
13秒前
15秒前
15秒前
快乐寻冬完成签到,获得积分10
17秒前
Henry应助研友_LBrm9L采纳,获得200
17秒前
辉光日新完成签到,获得积分10
20秒前
走着完成签到,获得积分10
20秒前
舍凌鳯发布了新的文献求助20
21秒前
蜡笔小鑫完成签到,获得积分10
22秒前
搜集达人应助WC采纳,获得10
23秒前
23秒前
英姑应助端庄yiyi采纳,获得10
24秒前
文武发布了新的文献求助10
24秒前
星辰大海应助科研通管家采纳,获得10
25秒前
华仔应助科研通管家采纳,获得10
25秒前
华仔应助科研通管家采纳,获得10
25秒前
顾矜应助科研通管家采纳,获得10
25秒前
123木头人应助科研通管家采纳,获得10
25秒前
贾克斯发布了新的文献求助20
25秒前
研友_VZG7GZ应助科研通管家采纳,获得10
25秒前
28秒前
29秒前
研友_LBrm9L给研友_LBrm9L的求助进行了留言
30秒前
30秒前
32秒前
LGLXQ完成签到,获得积分0
33秒前
hoho完成签到,获得积分20
34秒前
34秒前
活泼雁兰完成签到 ,获得积分10
35秒前
快乐寻冬发布了新的文献求助10
36秒前
科研小白关注了科研通微信公众号
36秒前
Sunday1992完成签到,获得积分10
36秒前
38秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 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 3158476
求助须知:如何正确求助?哪些是违规求助? 2809636
关于积分的说明 7883011
捐赠科研通 2468293
什么是DOI,文献DOI怎么找? 1314048
科研通“疑难数据库(出版商)”最低求助积分说明 630572
版权声明 601956