跳转到正文
GETAI.APP
开发动态arXivGETAI.APP查看原文

LSVOS 报告比较 0.5B 预算下的多模态统一模型

统一图像标签、检测与描述三项输出,报告前三名紧凑模型方案。

相机主题插画

第八届 LSVOS 挑战赛 MUMU 赛道报告公开,要求单个模型同时完成多概念图像标签、开放词汇检测与简短图像描述,参数不超过 5 亿、峰值推理内存不超过 8GB。

前三名方案都基于 Florence-2-base,但分别使用轻量标签头、共享低秩适配器或无需训练的组合流程。报告显示紧凑模型可以兼顾多种输出,新类别的开放词汇检测仍是主要瓶颈。此次是竞赛总结,不是发布新的通用大模型。

来源:arXiv。

配图:GETAI.APP 原创主题插画,非新闻现场实拍或官方产品界面。

登录

每一次探索,都更进一步。

从这里,开启新的灵感。

还没有账号?