Rino

新的RINO模型统一视觉任务，以RGB作为通用语言

研究人员推出了一种新颖的视觉模型表述方法RINO（RGB In and RGB Out），它将各种视觉数据（如掩码和深度图）视为RGB图像。这种方法允许单一模型架构通过将它们转换为RGB到RGB的图像编辑问题来处理各种视觉任务，类似于语言模型处理文本的方式。RINO在理解和生成任务上都表现出强大的零样本性能，无需针对特定任务进行微调，旨在促进统一的视觉-语言系统。