研究人员开发了RelateAnything,一个新颖的5300万参数模型,能够实时预测图像中对象之间的关系。与之前的场景图模型不同,RelateAnything在推理时接受自由文本谓词词汇,这意味着它不受预定义关系集的限制。这种灵活性得益于其不依赖对象标签进行关系预测的架构,以及在新语料库RA-4M上的训练,该语料库包含近50万张图像中的400多万个关系。该模型在各种基准测试中取得了显著的性能提升,其性能超过现有开放词汇方法的2.3到3.5倍。 AI
影响 该模型处理开放词汇关系的能力可以显著推进场景理解和多模态AI能力。
排序理由 该集群描述了一篇详细介绍新AI模型和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →