Florence 2是一个小型视觉模型，完全基于onnx和WebGPU在浏览器中运行。WebGPU是一种新型的Web标准，为Web应用程序提供高效的低级图形和计算功能。这种模型旨在帮助开发者更好地理解和利用WebGPU的性能优势。Onnx则是...

纽约大学（NYU）最近推出了一种全面公开、性能卓越的视觉模型Cambrian-1。此模型对文本编码器和数据混合进行了大规模的消融研究。这一技术的开发，将对视觉模型的研发产生深远影响，推动相关技术向前发展。全面开放...

MUMU视觉模型是一种创新的生成图像模型，它的特点在于能够将文本和图像交织在一起进行更强的条件化处理。这种独特的方法使得MUMU视觉模型在性能上超越了纯文本条件化模型。MUMU视觉模型的核心优势在于，它不仅仅是将...

TRL是一个Hugging Face库，专为使用强化学习训练变形金刚设计。这个示例允许您对基于视觉的语言模型如LLaVA进行相同的处理。Hugging Face是一个开源NLP（自然语言处理）社区和公司，致力于使用人工智能推动自然语言...

Anthropic最近推出了一款名为Claude 3.5 Sonnet的新型视觉模型。Claude 3.5 Sonnet在性能上超越了Opus，而且成本只有Opus的五分之一。这款模型目前是市场上最优秀的视觉模型，颠覆了前沿模型的性能标准。Claude 3.5...

近日，一种名为TroL的新型高效大型语言和视觉模型 (LLVMs) 在GitHub上发布，其模型规模分别为18亿、38亿和70亿参数。这些模型能够精确地处理和理解大量的语言和图像信息，其性能和效率都达到了非常高的水平。这些模...

微软最近发布了一套名为Florence-2的MIT许可的小型视觉语言模型（VLMs）。这套模型在图像标注、边界识别和分类等任务上，表现出色，大大超过了许多体型更大的模型。Florence-2模型的发布，标志着微软在人工智能和机...

子对象标记化为视觉模型理解图像开辟了新的途径。不同于将图像划分为固定的方形片段，采用子对象标记化的模型会从有意义的段落，例如物体的部分来观察图像。这种新的视觉模型理解方式，相比传统的划分方案，可能更加...