Gemma 4 12B 图像补丁预测
matthen2 · x · 2026-07-19
这张图展示了 Gemma 4 12B 在图像 patch 级别上的“下一 token 预测”可视化：不同图像区域会对应不同的高频预测词，说明模型对场景、物体、材质、天气、方位等信息有明显的局部偏好。
图中把这些预测词直接叠在原图上，能看到模型会在建筑、道路、车辆、人物等区域产生各自不同的语义联想。整体更像是一种多模态模型内部表征的观察图，而不是普通生成结果。
所属事件:Gemma 4图像补丁预测可视化揭示模型机制(4 条相关)→
「多模态」频道最新
- Midjourney 创作者分享 sref 风格参考出图:暗黑哥特人物 — OVolosin82152 · 2026-10-27
- AI 艺术家新作《In the Storm》:融合数年技巧的赛博故障风 — LudovicCreator · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27
- MOSS Image Edit 对比 Fibo-2.0-edit:五组编辑效果实测 — Illustrious_Row_9971 · 2026-10-27
- 纯用雾气和建筑做出电影级片头:ComfyUI 图生视频工作流分享 — magratheya_64 · 2026-10-27
- Fish Audio 开源发布 Drama 3 TTS,博主演示旧帖一键转有声视频 — alex_verem · 2026-10-27