Jag：一步回归预测边界框，小模型视觉定位更快更省显存
Xiuyuan Zhu · hf · 2026-10-15
中科院大学等团队提出 Jag，让紧凑的多模态模型直接连续回归预测边界框，替代自回归逐坐标生成。
- 方法：轻量回归头读取最后一个有效输入 token 状态，在图像与指代表述条件下一次性输出四个坐标；几何监督联合适配语言主干、视觉合并器与回归头
- 推理保留图像–语言处理，单次前向即返回框，无需坐标文本生成与解析
- 效果：在各基准上持续优于其基座模型；消融显示联合适配表征与回归头远优于只训头
- 与专用定位模型相比精度相当，但单请求延迟与 GPU 显存更低
「多模态」频道最新
- 博主更新 AI 全生成人物照片，称其为百分百合成 — IndraVahan · 2026-10-15
- 一条超详细视频 Prompt：15 秒一镜到底的火山爆发灾难片 — umesh_ai · 2026-10-15
- 物理基准测 8 个视频模型：第一名 Seedance 2.5 也仅 57.76 分 — jiqizhixin · 2026-10-15
- H3 Turbo Neat LoRA 走红:4 步出图更真实,可叠加 realism LoRA 用 — Ok_Tale7582 · 2026-10-15
- 「Spooky season」：一组电影质感 AI 万圣节插画刷屏 — egeberkina · 2026-10-15
- 用 Gemini 4 把经典名画生成复古像素动画,效果惊艳 — fofrAI · 2026-10-15