热点
"图像理解" 相关文章
VLM与扩散模型深度整合，图像理解生成编辑三合一模型登场，权重数据训练流程全开源
智源社区 2025-08-02T06:26:21.000000Z
全新升级！Nexus-Gen V2本地部署教程：图像理解能力媲美GPT-4o
掘金 人工智能 2025-08-01T05:36:06.000000Z
Introspection of Thought Helps AI Agents
cs.AI updates on arXiv.org 2025-07-14T04:08:19.000000Z
Introducing Qwen-VL
Qwen 技术博客 2025-06-25T07:54:01.000000Z
谢赛宁等推出统一多模态模型！替代VAE实现图像理解/生成双SOTA，代码权重数据集全开源
智源社区 2025-05-17T05:23:16.000000Z
字节AI专家交流
调研纪要 2025-04-24T17:10:09.000000Z
生成很强，推理很弱：GPT-4o的视觉短板
36kr-科技 2025-04-21T07:27:53.000000Z
OpenAI最新的人工智能模型可以“用图像思考” 理解图表和草图
Cnbeta 2025-04-16T19:22:41.000000Z
Qwen2.5-VL-32B: 更聪明、更轻量!
魔搭ModelScope社区 2025-03-26T13:55:05.000000Z
统一自监督预训练！视觉模型权重无缝迁移下游任务，SiT收敛提速近47倍
我爱计算机视觉 2025-03-20T05:14:06.000000Z
Gemma3：Google开源多模态神器，轻量高效，精通140+语言，解锁文本与图像任务
魔搭ModelScope社区 2025-03-20T05:14:05.000000Z
统一自监督预训练！视觉模型权重无缝迁移下游任务，SiT收敛提速近47倍
机器之心 2025-03-16T10:13:35.000000Z
大模型全军覆没，中科院自动化所推出多图数学推理新基准 | CVPR 2025
智源社区 2025-03-12T11:14:28.000000Z
达摩院开源VideoLLaMA3：仅7B大小，视频理解拿下SOTA | 在线可玩
智源社区 2025-02-15T05:37:12.000000Z
Alibaba Researchers Propose VideoLLaMA 3: An Advanced Multimodal Foundation Model for Image and Video Understanding
MarkTechPost@AI 2025-01-26T06:00:49.000000Z
2025.01.13 | OmniManip实现通用机器人操作，VideoRAG提升视频检索生成性能。
HuggingFace 每日AI论文速递 2025-01-13T23:02:54.000000Z
Kimi 发布视觉思考模型 k1，「数理化」成绩领先 OpenAI o1｜Z News
真格基金 2024-12-16T12:28:05.000000Z
Kimi 发布视觉思考模型 k1，多项理科测试行业领先
月之暗面 Kimi 2024-12-16T10:29:25.000000Z
Kimi视觉思考模型k1发布：数理化超越OpenAI o1、GPT-4o
快科技资讯 2024-12-16T03:14:34.000000Z
久等了，DeepSeek-VL2
DeepSeek 2024-12-13T15:00:39.000000Z