大模型时代，通用视觉模型将何去何从？
大模型时代，通用视觉模型将何去何从？过去几年，通用视觉模型（Vision Generalist Model，简称 VGM）曾是计算机视觉领域的研究热点。
来自主题: AI技术研报
8133 点击 2025-07-02 10:52
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
过去几年，通用视觉模型（Vision Generalist Model，简称 VGM）曾是计算机视觉领域的研究热点。
清华大学朱军教授团队与 NVIDIA Deep Imagination 研究组联合提出一种全新的视觉生成模型优化范式 —— 直接判别优化（DDO）。
大约 7 年前，我发布了一个名为 SDK Monitor 的小工具应用，用来监控设备上安装的所有应用使用的 targetSDK API 级别。当时正值 Google 开始强制推行 targetSDK 最低版本限制（现在要求至少是去年的版本），于是我的原始应用很快就变旧了。随着时间的推移，我甚至已经无法再打开 Android Studio 去维护它了——开发环境和技术体系早已焕然一新。
扩散模型（Diffusion Models, DMs）近年来展现出巨大的潜力，在计算机视觉和自然语言处理等诸多任务中取得了显著进展，而异常检测（Anomaly Detection, AD）作为人工智能领域的关键研究任务，在工业制造、金融风控、医疗诊断等众多实际场景中发挥着重要作用。
近年来，随着视觉生成模型的发展，视觉生成任务的输入序列长度逐渐增长（高分辨率生成，视频多帧生成，可达到 10K-100K）。
如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。然而，它们在长视频理解和检索等长上下文任务中仍表现不佳。
让AI看懂95万物种，并自己悟出生态关系与个体差异!俄亥俄州立大学研究团队在2亿生物图像数据上训练了BioCLIP 2模型。大规模的训练让BioCLIP 2取得了目前最优的物种识别性能。
你有没有想过，创业这件事可能彻底变了？不再是硅谷精英的专利，不再需要巨额资金和深厚技术背景，甚至不再需要风险投资的支持。AI 正在彻底重新定义创业的门槛和玩法。
你有没有想过，一个因为开发作弊工具被哥伦比亚大学开除的 21 岁学生，竟然能在短短几个月内获得 a16z 领投的 1500 万美元融资？
再一次，Meta「搜刮」了 OpenAI 的成员。The Information 发布了文章，谈到 Meta 再聘四名 OpenAI 研究人员。这离上一次 OpenAI 苏黎世办公室被 Meta 一锅端只隔了短短几天时间。