极市直播回放第112期丨InternGPT: 基于点击-语言驱动的视觉交互系统

在视觉任务中，我们常常需要对不同的图片进行感知和编辑，系统能够精准判断用户的意图非常重要。目前大部分工作都是基于纯语言与LLM进行交互，但由于受语言模型以及后端任务推理的能力限制，系统很难精准响应人们的请求。

本次分享我们邀请到了上海人工智能实验研究员刘兆洋，为大家介绍他们的工作：

InternGPT: Solving Vision-Centric Tasks by Interacting with ChatGPT Beyond Language

“我们结合指点设备和语言，提出了InternGPT，让视觉交互系统能够更精准地感知用户意图。即使在复杂的场景中，InternGPT也能完成感知、编辑、创作和视觉问答等任务。“

极市直播｜让ChatGPT更懂视觉任务！InternGPT: 基于点击-语言驱动的视觉交互系统

➤论文

论文地址:  https://arxiv.org/pdf/2305.05662.pdf 

代码地址:  https://github.com/OpenGVLab/InternGPT 

在线Demo：https://igpt.opengvlab.com

➤回放视频在这里☟

如果觉得有用，就请分享到朋友圈吧！

推荐阅读

• 极市直播回放第110期丨CVPR2023-张铂：自动驾驶场景下模型通用表征学习与泛化性的思考
  

• 极市直播回放第109期丨田柯宇：卷积网络上如何做BERT/MAE预训练，ResNet也能用
  

• 极市直播回放第108期丨潘梓正：模型部署新范式—可缝合神经网络（CVPR 2023）
  

• 极市直播回放第107期丨NeurIPS 2022 Oral-张博航：如何从模型层面获得对抗鲁棒性保证？
  

• 极市直播回放第106期丨阿里达摩院：兼顾速度与精度的高效目标检测框架DAMO-YOLO
  

• 极市直播回放第105期丨NeurIPS 2022 Spotlight-童湛：基于掩码和重建视频自监督预训练
  

• 极市直播回放第104期丨西北工业大学田春伟教授：基于结构信息的图像复原方法研究
  

• 极市直播回放第103期丨范琦-SSP: 自支持匹配的小样本分割任务新思想（ECCV2022）
  

• 极市直播回放第102期丨南京理工大学魏秀参、沈阳：大规模细粒度图像检索
  

• 极市直播回放第101期丨ECCV2022-李钢-PseCo：FPN错位对齐，实现高效半监督目标检测
  

• 极市直播回放第100期丨ECCV2022 Oral-吴俊峰：视频实例分割新SOTA：SeqFormer&IDOL
  

• 极市直播回放第99期丨ECCV2022-涂正中：让谷歌的骨干网络MaxViT治好你的科研内耗
  

• 极市直播回放第98期丨严彬-Unicorn：走向目标跟踪的大一统（ECCV2022 Oral）

# CV技术社群邀请函 #

△长按添加极市小助手

添加极市小助手微信（ID : cvmart2）

备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）

即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群

每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~

觉得有用麻烦给个在看啦~