基于多模态大模型的动作识别关键技术研究与应用

随着ChatGPT的发布,各行各业开启探索、应用人工智能大模型的新时代.在海量数据、大规模算力和强大的算法优化能力等条件的支撑下,基于深度学习等技术的庞大神经网络模型问世,使自然语言处理、语音识别、计算机视觉等任务的处理得到了极大的改善. 由于人类生活在包含文本、图片、音频、视频等不同模态数据的世界里,利用大模型对不同模态数据进行跨模态的统一表征学习是一种更为接近人类的学习模式.这种多模态大模型必然成为未来发展的重要方向.