Papers14:08
Chinese content论文：探究视觉基础模型的空间状态表征能力这篇把十个视觉模型的空间记忆能力拆成四层来测，结论挺反直觉：看得准不代表记得住，做研究的朋友可以看看评测思路。
#vision foundation models
8 stories · 0 in 7 days · 1 in 30 days
Stories, products and papers tagged "vision foundation models", newest first.
Oct 30
Aug 12
Jul 8
Chinese content蚂蚁集团Robbyant开源LingBot-Vision：1B边界中心视觉模型
蚂蚁Robbyant开源了1B参数的视觉模型LingBot-Vision，聚焦边界感知，能直接初始化深度模型，性能不输更大模型。
Jul 7
Chinese contentLingBot-Vision 和 LingBot-Depth 2.0 开源发布，深度估计大幅提升
想做机器人深度估计？LingBot 团队开源了视觉基础模型和深度模型，误差直接减半，还拿下了12个基准的第一。
Jun 30
Papers13:53
Chinese contentGROW^2：让机器人学会选择工具和定位使用区域这篇论文教机器人像人类一样用盘子切蛋糕，不受工具原始功能限制。用VLM选工具、SAM定位，零样本效果比现有方法好。
Jun 26
Papers10:40
Chinese content超越硬预算：面向更可解释Top-k稀疏自编码器的稀疏正则化方法这篇论文给Top-k稀疏自编码器加了两种正则化方法，能让模型更可解释而且重构质量不降，值得做可解释性的人看看。
Jun 4
Papers10:41
Chinese contentFINO：无需标签，用元数据适配视觉基础模型到科学领域科学图像分析团队终于有了不用手动标注就能适配大模型的方法——FINO 用已有的元数据就能提升效果，做显微镜、卫星或医学影像的开发者可以直接试试。
May 14
Chinese contentLMPath：用语言模型为无人机搜索生成语义探索路径
无人机搜索终于有了语义理解能力——LMPath 用语言模型和视觉模型替代纯几何覆盖，做搜救、巡检、环境监测的团队可以直接参考，实测效率提升明显。