实体
Qwen VLM
Qwen VLM
PulseAugur coverage of Qwen VLM — every cluster mentioning Qwen VLM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
ComfyUI 工作流通过语义缩放增强 AI 图像生成
一个名为“Infinite Semantic Detail”的 ComfyUI 新工作流解决了 AI 模型在更高缩放级别下失去语义理解的常见问题。该工作流不依赖于像素相似性，而是使用视觉语言模型 (VLM) 来解释原始图像上下文中的每个裁剪。这种语义描述然后指导生成过程，确保细节在缩放级别增加时保持一致且有意义，从而揭示更精细的生物结构或纹理。
-
KREA2 在 ComfyUI 中实现近乎无限的一致性角色面板
一位 Reddit 用户开发了一种在 ComfyUI 中使用 KREA2 的方法，可以为视频等项目生成近乎无限数量的一致性角色面板。该技术涉及为每个场景精心制作详细的提示词，然后由 Qwen VLM 和 ComfyUI 中的循环进行处理，为每张图像生成单独的提示词。用户强调，KREA2 在生成大量图像时，即使在生成大量图像时，也能在生成之间保持出色的角色相似性，尽管非常长的提示词最终可能会遇到上下文窗口限制。
-
新的 DragOn 数据集提升 GUI 代理的拖放能力
研究人员推出了 DragOn，这是一个新的基准和数据集，旨在提高 GUI 代理在处理基于拖拽的交互方面的性能。该数据集包含 286,000 张训练截图和 350 万个训练任务，涵盖四个领域：文本高亮、单元格选择、元素调整大小和滑块操作。对包括 GPT、Claude、Qwen 和 Kimi 在内的各种专有和开源模型进行的评估表明，在 DragOn 上进行微调可以增强它们在复杂拖放和类似 GUI 操作方面的能力。