视觉语言大模型-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 3598 篇文章
累计创建 1307 个标签
累计收到 0 条评论

目录CONTENT

以下是视觉语言大模型相关的文章

2025-12-18
MMCTAgent：赋能大型视频和图像集合的多模态推理本文介绍了MMCTAgent，一个创新的多模态智能体框架，能够处理和推理大型视频及图像集合。该框架通过先进的视觉和语言模型集成，实现了复杂场景理解和细致的问答能力，为多模态内容管理和分析提供了新的解决方案。
- 2025-12-18
- 0
- 0
- 0
2025-12-14
深圳地铁智能导盲犬“小蒜”上线：可自主规划路径、精准导航、视觉识别深圳地铁在黄木岗交通枢纽试点启用了全球首创的智能导盲犬“小蒜”，为视障人士出行带来新的科技便利。该导盲犬融合了多模态3D体素神经网络复合传感技术和视觉语言大模型等AI技术，能够根据口头指令，自主完成路径规划、精准导航、智能避障和视觉识别等核心功能。在试用期间，将有专人配合保障安全，试点成功后有望在更多站点推广，标志着人工智能在公共交通服务领域的深度应用迈出重要一步。
- 2025-12-14
- 0
- 0
- 0
- AI行业应用
- AI工具应用
2025-12-14
全球首例！深圳地铁上线智能导盲犬服务：集成大模型，精准导航深圳地铁在黄木岗交通枢纽试点启用智能导盲犬“小蒜”，为视障人士提供创新的出行解决方案，这标志着全球轨道交通行业的一项首次尝试。该智能导盲犬集成了多模态3D体素神经网络复合传感技术以及视觉语言大模型，能够响应视障乘客的口头指令。其核心功能包括路径规划、精准导航、智能避障和语音互动，全程引导乘客自主到达目的地，显著提升了特殊人群的出行便利性和安全性。
- 2025-12-14
- 1
- 0
- 0
- AI行业应用
- AI工具应用
2025-11-15
小米发布智能家居探索方案：全屋视觉，一问便知猫在哪小米正式发布了名为Miloco（Xiaomi Local Copilot）的全屋智能探索方案，旨在探索由大模型驱动的全屋智能生活新范式。该方案基于Xiaomi MiMo-VL-Miloco-7B端侧视觉语言大模型及四层架构，实现了更自然的人机交互。用户可以通过自然对话向系统提出需求，系统将自动推理并执行任务，例如通过全屋摄像头识别物体位置，实现“猫在哪一问便知”的功能。Miloco方案打通了米家摄像机和全屋IoT设备，为家庭场景的AI落地提供了创新实践，并已在GitHub开放给开发者共建。
- 2025-11-15
- 1
- 0
- 0
- AI行业应用
- AI工具应用