具身智能的视觉-语言-动作模型：综述
基于预训练的视觉基础模型、大语…
Read More基于分层自监督学习将视觉Transformer扩展到千兆像素图像
研究者引入了一种新的ViT架构…
Read More颜水成挂帅，奠定「通用视觉多模态大模型」终极形态！一统理解/生成/分割/编辑
颜水成团队联合新加坡国立、南洋…
Read More基于预训练的视觉基础模型、大语…
Read More研究者引入了一种新的ViT架构…
Read More颜水成团队联合新加坡国立、南洋…
Read More