#视觉模型

共 17 条 · 7 天 0 条 · 30 天 3 条

微调 3 DeepSeek 2 Fireworks 2 JSON 2 多模态 2 开源模型 2 Axolotl 1 Cohere 1

信息流里打上「视觉模型」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月26日

模型中美对照06:11

DeepSeek 展现出色表现，Visual Primitives 带来明显提升

有人实测 DeepSeek 后感叹 Visual Primitives 帮了大忙，虽然视觉能力还差点意思，讨论挺有意思。

#DeepSeek #Visual Primitives #视觉模型

Teortaxes@teortaxesTex原文

9月22日

论文 Agent 与开发者10:13

MUSE：冻结MAE视觉骨干的多变量时间序列预测适配框架

用完全冻结的MAE视觉模型做时序预测，加上VCR和TPR两个模块，在10个数据集上跑赢了现有方法。

#MUSE #MAE #时间序列预测 #视觉模型

arXiv cs.LG@Xinying Cai 等 6 人原文

9月18日

模型中美对照00:15

JinaAI 发布 jina-ocr-v1 新版视觉文档解析器

JinaAI 新出的 jina-ocr-v1 能直接处理 PDF 和扫描件，把文字转换成干净markdown，比传统OCR工具更方便。

#jina-ocr-v1 #OCR #文档解析 #视觉模型

Jina AI@JinaAI_原文

9月2日

产品73°02:24

DeepSeek V4 Flash 支持原生视觉功能

DeepSeek V4 Flash 在 Fireworks 上新增视觉功能，价格不变但性能提升，性价比更高。

#DeepSeek #Fireworks #视觉模型 #多模态

Fireworks AI@FireworksAI_HQ原文

8月22日

模型中美对照03:38

Deepseek发布实验性Flash视觉模型，在智能体基准测试中与Opus 4.8匹敌

Deepseek新推出的V4-Flash-Vision-Exp模型，将图像理解能力与文本处理结合，在多模态智能体基准测试中表现优异，与Opus 4.8不相上下，值得一试。

#Deepseek #多模态 #视觉模型 #智能体基准测试

官方账号Decoder@Matthias Bastian原文

8月13日

模型精选17:54

Cohere 视觉模型 North Micro Vision 支持 Axolotl 微调

想微调 Cohere 的视觉模型 North Micro Vision？现在用 Axolotl 就能跑，不用自己买显卡，直接上手试试吧。

#North Micro Vision #Axolotl #Cohere #微调

官方账号Cohere@cohere原文

7月17日

模型中美对照官方一手精选73°10:12

商汤开源统一视觉模型SenseNova-Vision，登顶HuggingFace排行榜

商汤把检测、分割、深度预测、3D重建全塞进一个开源模型，还在HuggingFace拿了第一，做视觉的兄弟可以试试。

#SenseNova-Vision #SenseTime #视觉模型 #开源模型

官方一手Pandaily@[email protected] (Pandaily)原文

技巧 Agent 与开发者02:06

Fireworks AI 微调101研讨会：用开源视觉模型从收据提取 JSON

想学微调？Fireworks 现场演示用视觉模型从收据扒 JSON，实操干货，错过也有回放。

#Fireworks AI #微调 #开源模型 #视觉模型

Fireworks AI@FireworksAI_HQ原文

7月15日

技巧 Agent 与开发者01:36

Fireworks免费网络研讨会：微调视觉模型提取收据JSON

想学怎么用Fireworks微调视觉模型处理收据数据？这个免费直播手把手教你，还能了解最新工具。

#Fireworks #视觉模型 #微调 #JSON

Fireworks AI@FireworksAI_HQ原文

7月7日

模型官方一手16:36

蚂蚁集团LingBot-Vision 1.1B参数模型超越Meta 7B DINOv3

蚂蚁用1.1B参数的视觉模型干翻了Meta的7B DINOv3，空间感知能力更强，参数少这么多还拿下12个第一，值得看看细节。

#LingBot-Vision #Ant Group #DINOv3 #空间感知

官方一手pandaily@[email protected] (Pandaily)原文

6月24日

模型官方一手精选03:42

Datalab发布9B开源视觉模型lift，从PDF提取结构化JSON

Datalab的lift模型能自动把PDF转成你需要的JSON格式，准确率90.2%，还不会瞎编字段。

#Datalab #lift #视觉模型 #文档解析

官方一手marktechpost@Asif Razzaq原文

5月28日

论文11:58

无需标签识别视觉模型偏见：梯度探针方法

做视觉模型部署和公平性的团队，终于有了一个无需额外标注就能定位模型偏见的工具——直接在冻结模型上分析，省去重新训练的麻烦，值得一试。

#视觉模型 #偏见识别 #梯度探针 #概念分解

arXiv cs.LG@Thomas Vitry 等 4 人原文

5月25日

论文精选11:17

人类视觉对齐的甜点：生成式与判别式学习的平衡

这项研究解决了计算机视觉中一个长期争论：人类视觉更接近生成式还是判别式模型？答案是两者平衡。对视觉AI研究者和模型设计者来说，这是一个值得关注的结论，建议在模型训练中尝试混合目标。

#视觉模型 #生成式学习 #判别式学习 #人类对齐

arXiv cs.AI@Jorge Chang Ortega 等 4 人原文

5月20日

论文精选11:20

超越预测精度：目标空间恢复轮廓评估模型-大脑对齐

做视觉模型与脑科学交叉研究的团队，终于有了一个能诊断模型到底恢复了大脑哪些维度的工具，而不是只看一个精度数字。建议做fMRI或视觉编码模型的点开，看完会重新理解什么才是真正的模型-大脑对齐。

#视觉模型 #大脑对齐 #fMRI #预测精度

arXiv cs.LG@Ken Nakamura 等 5 人原文

5月17日

行业09:35

中国大规模部署农业机器人，24/7自主采摘成新常态

农业机器人规模化部署解决了劳动力短缺和效率问题，做农业科技或供应链管理的团队值得关注这一趋势。

#农业机器人 #自主采摘 #视觉模型 #供应链

rohanpaul_ai@rohanpaul_ai原文

5月16日

模型中美对照73°21:54

MiniCPM-V 4.6：1.3B视觉模型，Benchmark表现强劲

1.3B参数就能在多项基准上超越更大模型，做边缘部署或移动端视觉应用的开发者值得一试，成本低效果强。

#视觉模型 #MiniCPM-V #面壁智能 #边缘部署

向阳乔木@vista8原文

5月13日

模型中美对照18:18

Interfaze混合架构：专精任务吊打Gemini/Claude/GPT

做 OCR、视觉或音频处理的团队，终于有了一个又准又快又便宜的替代方案——Interfaze 用混合架构把通用大模型的痛点解决了，建议直接看博客跑一下自己的用例。

#Interfaze #混合架构 #OCR #视觉模型

berryxia@berryxia原文