Google 发布 TIPS：具备空间感知的视觉语言模型，主打分割与深度估计

_akhaliq · x · 2026-08-21

Google 在 Hugging Face 上发布了 TIPS，一个具备空间感知能力的视觉语言模型，专为分割（segmentation）和深度估计（depth estimation）等密集理解任务设计。

原文链接 →

「多模态」频道最新

• fal 发布 Worlds：实时创建并与 AI 生成世界互动 — Scobleizer · 2026-10-16
• 用软糖虫考物理：Gemini 4 Argon 对决 Claude Opus 5.5 弹性模拟 — DynamicWebPaige · 2026-10-16
• 2.6 亿参数循环扩散模型反超 6 倍大小基线，推理算力省近 5 倍 — burkov · 2026-10-16
• Seedance 2.5 实测：把爆炸的 1 秒拉成 30 秒沉浸长镜头 — LudovicCreator · 2026-10-16
• Grok Imagine 生成章鱼短片,再经 Topaz 增强的视觉 demo — creatoroff · 2026-10-16
• 用 Muse Spark 生成 61 秒计算史短片，场景代码全套开源 — sophiamyang · 2026-10-16

更多「多模态」频道 AI 资讯 →