扩展和改进视频掩码自动编码器（MAE），实现视频理解效果的增强
论文Extending Video Masked Autoencoders to 128 frames（《扩展 […]
扩展和改进视频掩码自动编码器（MAE），实现视频理解效果的增强 Read More »
计算机视觉（CV）
VLsI模型：逐层蒸馏，逐层对齐，实现从大规模到小规模视觉-语言模型（VLM）的高效知识迁移
论文《VLsI: Verbalized Layers-to-Interactions from Large t
VLsI模型：逐层蒸馏，逐层对齐，实现从大规模到小规模视觉-语言模型（VLM）的高效知识迁移 Read More »
HAI-DEF（Health AI Developer Foundations）：健康AI开发基础模型集
论文《Health AI Developer Foundations》详细描述了由Google研究团队和Dee
HAI-DEF（Health AI Developer Foundations）：健康AI开发基础模型集 Read More »
Flamingo-CXR：结合视觉和语言表示，可自动化生成放射报告的先进AI模型
论文Collaboration between clinicians and vision–language
Flamingo-CXR：结合视觉和语言表示，可自动化生成放射报告的先进AI模型 Read More »
TemporalBench：基于细粒度时序理解的多模态视频模型基准测试
论文TemporalBench: Benchmarking Fine-grained Temporal Und
TemporalBench：基于细粒度时序理解的多模态视频模型基准测试 Read More »