MetaMorph：实现视觉理解与生成统一的多模态模型
论文MetaMorph: Multimodal Understanding and Generation vi […]
MetaMorph：实现视觉理解与生成统一的多模态模型 Read More »
计算机视觉（CV）
Genesis：通用机器人/具身人工智能/物理人工智能应用设计的综合性物理仿真平台
Genesis是一个综合性的物理仿真平台，旨在为通用机器人、具身人工智能和物理人工智能应用提供支持。它同时具备
Genesis：通用机器人/具身人工智能/物理人工智能应用设计的综合性物理仿真平台 Read More »
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 »
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 »