PaliGemma 2: 用于迁移学习的多功能视觉-语言模型（VLM）家族
论文PaliGemma 2: A Family of Versatile VLMs for Transfer（ […]
PaliGemma 2: 用于迁移学习的多功能视觉-语言模型（VLM）家族 Read More »
计算机视觉（CV）
视觉自回归建模（Visual AutoRegressive, VAR）
论文Visual Autoregressive Modeling: Scalable Image Genera
视觉自回归建模（Visual AutoRegressive, VAR） Read More »
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 »
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 »