视觉语言大模型 – 量子位

视觉语言大模型

谷歌全网扒1000亿图像文本对，ViT大佬坐镇：数据Scaling潜力依旧

数据规模越大对细节理解越好

明敏 2025-02-13

ViT 视觉语言大模型

加载更多

热门文章

纳米漫剧流水线公测上线，开启漫剧工业化生产时代

黄仁勋预言落地，物理AI开年第一枪竟是中国公司打响

天下苦CUDA久矣，又一国产方案上桌了

DeepSeek开源全新OCR模型！弃用CLIP改用Qwen轻量小模型，性能媲美Gemini-3 Pro

这个真人版《火影忍者》竟然是AI做的，来自中国AI视频新王者Vidu Q3