Shangbang Long

图像生成器被证明是通用的视觉学习者

研究人员已经证明，图像生成模型可以作为强大的通用学习者用于计算机视觉任务。通过在模型的原始数据和视觉任务数据的混合集上对一个名为 Nano Banana Pro 的模型进行指令微调，他们创建了 Vision Banana。该模型在分割和深度估计任务上取得了最先进的成果，性能优于专用模型。研究结果表明，为图像生成而训练本身就建立了强大的视觉理解能力，这可能会将计算机视觉的范式转向生成式预训练以构建基础模型。