Open Vision Banana 全开源：Cityscapes 零样本 mIoU 达 73.9 超越原版
FunAILab · hf · 2026-11-13
研究团队发布 Open Vision Banana（OVB），一个完全开源、可复现的方案，把预训练图像生成器改造成统一的多任务视觉感知系统，补齐了原版 Vision Banana 未公开数据、权重与实现细节的空白。
- 基于 4B/9B 开源底座模型，用 210 万–380 万条公开数据对训练
- Cityscapes 零样本 mIoU 达 73.9，超过 Vision Banana 报告的 69.9；深度估计可媲美 SOTA 仿射不变模型
- 分析了颜色编码、prompt 设计、参数适配、任务平衡等关键设计选择，指出它们相互影响、单独有效组合可能有害
- 提出 legend ensembling 测试时扩展方法：多种类色 legend 分割后多数投票融合，无需重训即在 Cityscapes/COCO-Object 提升 mIoU 最高 8.7/15.0 点
- 释放数据构建管线、训练评测代码与全部中间及消融 checkpoint
「多模态」频道最新
- 全程零手操作：Gemini 4 Hydrogen 42 分钟建成 40 万体素中国山寺 — iamfakhrealam · 2026-11-13
- 开源 MOSS-Image bbox 布局构建器:纯浏览器离线运行、支持 JSON 导出 — Rex-Racer9 · 2026-11-13
- 开源 Higgsfield 曝光：复刻爆款视频每秒 0.1 美元，比原版便宜 3 倍 — cneuralnetwork · 2026-11-13
- Gesso：MCP 设计画布，代理实时写 HTML/CSS、你逐层手改 — faberglaster · 2026-11-13
- 博主分享 MiniMax H3 动作片段提示词，实测效果惊艳 — umesh_ai · 2026-11-13
- 把文本扩散模型 DiffusionGemma 硬训成图像生成器，300M 参数出图 — bumblebeer · 2026-11-13