AI资讯新闻榜单内容搜索-CVPR

关键词: 字节,GLEE,目标感知基础模型,视频模型

近年来，LLM 已经一统所有文本任务，展现了基础模型的强大潜力。一些视觉基础模型如 CLIP 在多模态理解任务上同样展现出了强大的泛化能力，其统一的视觉语言空间带动了一系列多模态理解、生成、开放词表等任务的发展。然而针对更细粒度的目标级别的感知任务，目前依然缺乏一个强大的基础模型。

关键词: 视觉增强,AI大模型,AI模型训练

虽然我从来没见过你，但是我有可能「认识」你 —— 这是人们希望人工智能在「一眼初见」下达到的状态。

关键词: AI透视眼,非模态分割,模型训练,AI学术

牛津大学 VGG 实验室 Andrew Zisserman 团队最新工作系统性解决了任意物体的遮挡补全问题，并且为这一问题提出了一个新的更加精确的评估数据集。该工作受到了 MPI 大佬 Michael Black、CVPR 官方账号、南加州大学计算机系官方账号等在 X 平台的点赞。

关键词: 具身智能,具身大模型,ManipLLM,工业AI

只靠一张物体图片，大语言模型就能控制机械臂完成各种日常物体操作吗？