Google DeepMind phát hành bộ mã hóa hình ảnh và văn bản cơ bản cảm nhận không gian TIPSv2

Tin tức ME, ngày 15 tháng 4 (UTC+8), GoogleDeepMind gần đây đã công bố TIPSv2 tại CVPR 2026, đây là một bộ mã hóa hình ảnh và văn bản cơ bản có khả năng cảm nhận không gian. Mô hình này đạt được kết quả mạnh mẽ về hiệu suất tổng thể và đã đạt được sự cải thiện rõ rệt trong nhiệm vụ căn chỉnh giữa khối hình ảnh và văn bản. Nhà phát hành cho rằng, AI đa phương thức thực sự cần hiểu các mối quan hệ không gian của thế giới. (Nguồn: InFoQ)

Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • Bình luận
  • Đăng lại
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
Không có bình luận
  • Ghim