NTU与商汤提出原生统一视觉模型NEO-ov
jiqizhixin · x · 2026-07-05
NTU 与商汤研究院(SenseTime Research)提出 NEO-ov,一种原生(native)统一视觉模型,端到端学习像素与文字的对应关系,无需外部编码器或融合技巧。该模型在标准任务上匹敌模块化模型,并在单图、多图和视频的细粒度视觉感知上表现突出,证明原生架构在大规模下具有竞争力。已放出论文与代码。
「多模态」频道最新
- 用 Claude Code 搭视频剪辑流水线,十段 prompt 从粗剪到成片 — TawohAwa · 2026-10-26
- 一句话生成3D世界，再用AI重绘成电影级镜头 — gizakdag · 2026-10-26
- 零实拍造出一整部电影世界：CineMap 导演分镜配 TapNow 成片 — gizakdag · 2026-10-26
- 快手 Kling 对阵字节 Seedance：中国 AI 视频模型竞争观察 — DavidmComfort · 2026-10-26
- 散景宇宙星云提示词模板：虚化光球演绎星际云雾质感 — LudovicCreator · 2026-10-26
- 博主用 Runway Act-2 加 ElevenLabs 变声做出高质量 AI 视频 — AIandDesign · 2026-10-26