DepthEvidence

新的多模态模型统一了深度预测和几何推理

研究人员推出 DepthEvidence，一个拥有40亿参数的多模态语言模型，旨在将度量深度预测与几何推理相结合。该模型从视觉输入中预测全分辨率度量深度，并将这些预测转换为连续的几何标记。这种方法旨在在语言生成过程中保留数值和空间信息，从而实现更精确的物体测量和组合推理。DepthEvidence 在各种基准测试中表现出色，尤其是在实例级度量深度估计和几何推理任务中，同时保持了通用的视觉问答能力。