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
- 微调后的 Krea 2 raw 模型做出了一张雨夜驾驶图 — darlens13 · 2026-07-27
- 有人在问 Video2X 能否加载 OpenModelDB 自定义模型 — Used-Profit2355 · 2026-07-27
- 有人想让 AI 逆向拆解爆款视频特效成 ComfyUI 流程 — stale2000 · 2026-07-27
- Midjourney V8.2 加入个性化并展示新图像效果 — Mr_AllenT · 2026-07-27
- Midjourney 图像多样性引发 Krea 2 对比与复现提问 — diffusion_throwaway · 2026-07-27
- AI 短片把 1985 年反乌托邦拍成电影感作品 — ProfessorKey98 · 2026-07-27