GLEE
CVPR 2024 | 一统所有目标感知任务，华科&字节提出目标感知基础模型GLEE
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。为了解决这个问题，来自华中科技大学和字节跳动的研究团队提出了一个针对视觉目标的基础模型 GLEE，一次性解决图像和视频中的几乎所有目标感知任务。GLEE 支持根据任意开放词表、目标的外观位置描述、和多种交互方式进行目标检测、分割、跟踪，并
3/21/2024 2:32:00 PM
机器之心
- 1
资讯热榜
DeepSeek+Drawio一键生成20多种图表，90%都不知道的技巧（附保姆级教程）
Manus 内测启动：Monica 团队推出“通用 AI 代理”引发热议
阿里新开源推理大模型QwQ-32B，性能媲美DeepSeek-R1、显存需求更小
大模型系列：DeepSeek大模型与应用场景介绍
视觉强化微调！DeepSeek R1技术成功迁移到多模态领域，全面开源
三星Galaxy S25系列国行版接入DeepSeek-R1:AI能力全面升级
Windsurf Wave 4版本发布：AI编程工具再升级 更智能、更高效
Monica团队出品全能AI智能体Manus爆了，Manus邀请码怎么搞？
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
机器人
数据
谷歌
大模型
智能
Midjourney
用户
学习
模型
GPT
开源
微软
AI创作
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
生成式
蛋白质
芯片
Gemini
代码
神经网络
计算
腾讯
研究
Sora
AI设计
3D
开发者
GPU
AI for Science
英伟达
机器学习
场景
伟达
预测
华为
Transformer
模态
Anthropic
百度
驾驶
深度学习
文本
AI视频
苹果
搜索
神器推荐
算力
LLaMA
科技
xAI
视频生成
安全
应用
干货合集
Copilot
2024
字节跳动
人形机器人
特斯拉
具身智能
亚马逊
语音
视觉
AI应用场景
Claude
写作
AGI