Gemma 4 的图像补丁预测可视化
matthen2 · x · 2026-07-19
图里展示了 Gemma 4 12B 在一张爱丁堡 National Galleries of Scotland 场景图上的 image patch predictions：模型会针对不同图像区域给出最显著的下一词预测，例如建筑、标识、人物、天空等局部都会对应不同词汇。
这类可视化更像是在看模型如何“分解”图像并做局部语义联想，而不是单纯的整图分类。作者想强调的是：基础模型在原始图像 patch 级别上的预测，能暴露出它对场景细节的理解方式。
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