GPT-4 识图功能迟迟不凋谢，终于有人禁不住自己入手做了一个。

MiniGPT-4 来了
，Demo 凋谢在线可玩  。

传一张海鲜大餐照片下来
，就能直接取患上菜谱。

传一张商品下场图，就能让 AI 写一篇带货文案。

手绘一个网页 ，可能给出对于应的 HTML 代码

除了花难题拉满 ，也反对于凭证知识推理图上内容是否公平、批注神色包为甚么可笑，以及看截图找片子等娱乐玩法。

可能说，GPT-4 宣告时揭示过的功能，MiniGPT-4 根基也都有了。

这下网友直接把 Demo 效率器挤爆，开拓团队连开 4 台备用效率器 ，都有多少十人在排队
 。

除了钻研团队给出的示例 ，网友也用 MiniGPT-4 玩出了各种花着

有人上传自己画的画，让 AI 评估评估
。

有人上传一张从车道拍摄的飞机坠毁瞬间 ，让 MiniGPT-4 尽可能详细地形貌，并思考自动驾驶 AI 能不能清晰这个时事 。

做到这么好的下场 ，MiniGPT-4 实现起来却并不重大。

把图像编码器与开源语言模子 Vicuna（小羊驼）整合起来，而且解冻了两者的大部份参数
，惟独要磨炼很少一部份。

传统预磨炼阶段，运用 4 张 A100 在 10 个小时内即可实现 ，此时磨炼进去的 Vicuna 已经可能清晰图像，但天在行腕受到很大影响。

为处置这个下场
，团队让 MiniGPT-4 与 ChatGPT 相助建树了 3500 个图像文本的高品质数据集
，也一并开源。

用新的数据集微调可能清晰后退模子的天生坚贞性以及部份可用性  ，而且合计功能很高 ，运用单个 A100 惟独要 7 分钟。

而且团队正在豫备一个更轻量级的版本，部署起来惟独要 23GB 显存。

也便是破费级显卡中具备 24GB 显存的 3090 或者 4090 就能当地运行了。

MiniGPT-4 开拓团队来自 KAUST（沙特阿卜杜拉国王科技大学），搜罗 4 位华人成员以及他们的导师 Mohamed Elhoseiny 。

两位正在读博的配合一作还在 GitHub 页面上特意标注正在找使命 。

分心向的公司要放松抢人了～

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

本文来自微信公共号：量子位 （ID ：QbitAI） ，作者 ：梦晨