点击蓝字 关注我们
关注并星标
从此不迷路
计算机视觉研究院
公众号ID｜计算机视觉研究院
学习群｜扫码在主页获取加入方式
计算机视觉研究院专栏
Column of Computer Vision Institute
ChatGPT：我开始慌了！
两天前，谷歌类 ChatGPT 产品 Bard 迎来了大规模的更新，加入了很多呼声很高的新功能，比如识图能力，号称「史上最大升级」！
通过识图能力，Bard 可以解释放入聊天中的图片，也可以识别关于图像内容的更多信息以及基于图像生成标题等。可以说，Bard 通过其多模态升级改变了 ChatGPT 的游戏规则。
这个周末，对 Bard 心痒的开发者们已经迫不及待地使用谷歌 Bard 来创建各种有趣的应用了。
不禁好奇：开发者们究竟能利用 Bard 干什么呢？推特博主 @minchoi 汇总了多个令人惊艳的 Bard 用例。此外机器之心还整理了其他一些有趣用例。让我们一睹为快吧。
一张草图变成笑话网站
图源：推特 @dr_cintas
谷歌 Bard 的更新太疯狂了。有人利用餐巾纸上的草图创建了一个网站，并且只需要一个提示。
详细步骤如下所示。
首先，访问 Bard 网站，单击「+」来添加草图图像并编写提示。这里的提示是「编写一个简短的 HTML/JS，将它变成一个丰富多彩的网站，其中用两个真实的笑话来替换原有内容」。
这时你可能无法得到想要的结果。通过点击「查看其他草稿」，Bard 会提供另外两个选项，或者重新生成输出。如果想要更改特定内容，只需要在第二个提示中提出要求即可。这里要求更改颜色。
接下来为了实现运行，将 HTML 代码复制到文本编辑器（或文本文件）中并命名为 [something].html。这样你就完成了最终的网站和笑话的妙语。
一个屏幕截图就能创建 iPhone 应用程序
图源：推特 @ammaar
如果你觉得不够震撼，那再来点硬核的。使用谷歌 Bard，有人仅通过一张屏幕截图就重新创建了一个基本的计时器应用程序，用时不到 4 分钟。
此外不需要给 Bard 任何关于该应用程序要做什么的提示，它就提供了所有代码。虽然也出现了一些错误，但 Bard 都能及时修复。
下面视频中介绍了完整的创建过程。
对于 Bard 的这个妙用，有网友表示，在 GPT-4 发布的时候见到过这样的 Demo，比如绘制网站的 UI 并进行 AI 编码。此次 Bard 为想要创建应用或网站，但不想解释整个 UI（只想绘制草图或在 Figma 中创建）的非技术人员提供了很多有趣的想法。
类似的例子还有很多，比如还有人将图像转换为代码，运行速度很快。
图源：推特 @Yampeleg
更精更专的个人助理
个人助手是对话大模型的一大用例，谷歌 Bard 做到了更精更专。
该博主 @minchoi 将 Bard 调教成了自己的费用管理助手。详细步骤如下：
第一步：使用以下提示「我希望你作为我的私人助理来安排旅行费用。我会为你提供一系列图像，希望你将它们放在一个表格中，包含费用报告的所有相关信息（日期、时间、类别、说明、含税总金额）。当我没有更多收据时，会告诉你「我完成了」。表格标题为『费用报告』」。
第二步：向 Bard 提供收据。在手机上，拍摄收据照片并告诉 Bard 收据 < 编号 >，即收据 1、收据 2。请确保照片清晰，以便 Bard 可以准确地提取信息。虽然 Bard 可以相当准确地提取文本，但请务必验证信息是否正确。
第三步：当添加完所有收据后，请输入「我完成了」。Bard 会将所有信息编译成一个表格。
第四步：告诉 Bard 生成导出报告。此外还可以将数据导出到 Google 表格，并准备好费用报告。
从图片中获取完整食谱
图源：推特 @rowancheung
对话大模型给出一顿饭的食谱并不是什么新鲜的功能，但 Bard 这次显然不一样。
有人上传了一张自己最近吃过的一顿饭的图片，要求 Bard 提供完整的食谱。
结果令人大吃一惊，Bard 给出了非常准确的食谱以及步骤。这意味着 Bard 的多模态功能更进了一步，似乎用到了逻辑推理能力。
更多其他用例
解释代码
Bard 现在可以逐行地解释用户的代码，帮助完成编程和软件开发任务，包括代码生成、代码调试和解释。
图源：推特 @iam_chonchol
OCR 文字识别
Bard 现在可以从发票中提取文本，并将信息汇总到漂亮的表格中。
图源：推特 @Saboo_Shubham_
诊断脑 CT 图像
Bard 从一张 CT 图像中给出了自己的诊断结果，可能是脑肿瘤、中风、脑出血或其他任何疾病。
图源：推特 @CeoImed
随着开发者体验的不断增加，相信未来谷歌 Bard 会有更多有趣、硬核的用例被发掘出来。转自《机器之心》
© THE END
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入！
ABOUT
计算机视觉研究院
计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架，提供论文一键下载，并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
往期推荐
🔗
YoloV8与ChatGPT互通，这功能是真的强大！
GPT理解的CV：基于Yolov5的半监督目标检测
Consistent-Teacher：半监督目标检测超强SOTA
Sparse R-CNN：稀疏框架，端到端的目标检测（附源码）
RestoreDet：低分辨率图像中目标检测
All Things ViTs：在视觉中理解和解释注意力
基于LangChain+GLM搭建知识本地库
OVO：在线蒸馏一次视觉Transformer搜索
最近几篇较好论文实现代码（附源代码下载）
