小米 4B 视觉模型 Lens-0:说到哪个物体就给出分割掩码
multimodalart · x · 2026-10-23
Hugging Face 上的 Xiaomi-Lens-0 是一个 4B 参数的视觉模型,能用自然语言回答问题,且提到的每个物体都附带对应的分割掩码,实现「指哪打哪」的视觉定位输出。
「多模态」频道最新
- JUICE：单一 flow-matching 模型统一图像与文本生成，GenEval 达 0.88 — pratyusha_PS · 2026-10-23
- Kling 4.0 实拍级演示：特斯拉做出超现实动作 — SimplyAnnisa · 2026-10-23
- 实测总结：用「替换」而非「生成」让 Gemini 图像编辑保持一致性 — Suboptimal88 · 2026-10-23
- Midjourney 电影感街拍配方:5 组 sref 风格码混合权重公开 — michaelrabone · 2026-10-23
- Reddit 热传「布鲁克林绝命毒师」:AI 视频恶搞 Bryan Cranston 街采 — Dayna6380- · 2026-10-23
- 《罗拉快跑》导演用 Seedance 2.5 拍 AI 实验片《Volcano High》 — Loo_Atreides · 2026-10-23