SenseTime mở nguồn mô hình thị giác 7B, một mô hình xử lý toàn bộ từ phát hiện, phân đoạn đến 3D

robot
Đang tạo bản tóm tắt
ME AI tin nhắn, theo dõi giám sát Beating của , SenseNova-Vision-7B-MoT đã được 商汤 công bố. Nó tích hợp phát hiện đối tượng, OCR, định vị điểm then chốt, phân đoạn ảnh, ước tính độ sâu và tái tạo 3D đa góc nhìn, hợp nhất thành tác vụ sinh văn bản hoặc hình ảnh. Người dùng mô tả nhu cầu bằng lời nói hoặc gợi ý bằng hình ảnh, không cần cài đặt riêng các mô-đun chuyên biệt cho từng tác vụ. Trong RefCOCOg (phân đoạn theo chỉ dẫn) và Cityscapes (phân đoạn ngữ nghĩa), mô hình đạt lần lượt 80,3 và 71,2, cao hơn Vision Banana của Google DeepMind với 73,8 và 69,9. 商汤 đồng thời mở mã suy luận, trọng số mô hình và 50 triệu bản dữ liệu chỉ dẫn thị giác. Mã dùng giấy phép Apache 2.0, trọng số mô hình dùng CC BY-NC 4.0, chỉ cho mục đích phi thương mại. (Nguồn: BlockBeats)
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
  • Đã ghim