研究人员推出GroundAnything,一个拥有40亿参数的、用于精确视觉定位的基础模型。该模型采用分块去噪(blockwise denoising)的并行解码方法,与传统的自回归方法形成对比,从而实现更快的处理速度。GroundAnything在30个定位基准测试中取得了最先进的性能,超越了同等规模的模型,并与GPT-6 Astra等更大模型展现出有竞争力的结果。该模型还通过优化的解码策略实现了显著的速度提升,使其适用于实时应用。 AI
影响 实现了更快、更精确的视觉定位,可能改进实时AI应用。
排序理由 发布了一篇详细介绍新型AI模型及其性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- COCO
- DagsHub
- Gotit.pub
- GPT-6 Astra
- GroundAnything
- GroundAnything-VLM
- Hugging Face
- LocateAnything
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →