VisRAG：把RAG扩展到图片和视觉
论文VisRAG: Vision-based Retrieval-Augmented Generation o […]
VisRAG：把RAG扩展到图片和视觉 Read More »
计算机视觉（CV）
浅谈视觉语言模型（Vision-Language Models, VLMs）
视觉语言模型（Vision-Language Models, VLMs）是同时处理视觉信息和文本信息的深度学习
浅谈视觉语言模型（Vision-Language Models, VLMs） Read More »
SANA：一种用于生成高分辨率（最高可达4096×4096）的文本到图像生成框架
论文SANA: Efficient High-Resolution Image Synthesis with
SANA：一种用于生成高分辨率（最高可达4096×4096）的文本到图像生成框架 Read More »
ExPLoRA：实现视觉Transformer（ViT）在不完全解冻模型的情况下，继续在新的目标领域进行自监督学习
论文《ExPLoRA: Parameter-Efficient Extended Pre-Training t
ExPLoRA：实现视觉Transformer（ViT）在不完全解冻模型的情况下，继续在新的目标领域进行自监督学习 Read More »
MedImageInsight：通用领域医学影像的开源嵌入模型
论文MedImageInsight: An Open-Source Embedding Model for G
MedImageInsight：通用领域医学影像的开源嵌入模型 Read More »