实体
Vision-Language Foundation Model
Vision-Language Foundation Model
PulseAugur coverage of Vision-Language Foundation Model — every cluster mentioning Vision-Language Foundation Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Qwen-Drive-1.0 集成了 3D 感知、VQA 和运动规划，用于自动驾驶
Qwen 推出了 Qwen-Drive-1.0，一个专为自动驾驶设计的视觉语言基础模型。该模型通过利用预训练的 VLM 架构和外部模块，统一了 3D 感知、视觉问答和运动规划。它包含一个鸟瞰视角感知头，用于 3D 对象检测和语义占用预测等任务，以及一个用于生成未来轨迹的规划专家。该模型采用分阶段的配方进行训练，结合了驾驶监督和通用视觉语言数据，以保持广泛的能力。
-
基础模型助力超声胎儿出生体重估计
研究人员开发了一种使用盲扫超声视频估计胎儿出生体重的新方法，旨在减少对操作员专业知识的依赖。该方法利用基础模型识别无约束超声扫查中的关键解剖帧，这是一项在没有平面约束的情况下先前具有挑战性的任务。该系统还包含一个冗余感知特征压缩模块来优化时间数据，实现了161.3克的平均绝对误差，优于传统的估计方法。