AI在线 AI在线

华中科技大学

MiniMax联合华中科大开源VTP技术！仅优化视觉分词器，DiT生成性能飙升65.8%

MiniMax联合华中科大开源VTP技术！仅优化视觉分词器，DiT生成性能飙升65.8%

AI视觉生成领域迎来范式级突破。 MiniMax与华中科技大学近日联合开源其核心技术——VTP（Visual Tokenizer Pretraining，视觉分词器预训练），在不修改标准DiT(Diffusion Transformer)架构的前提下，仅通过优化视觉分词器(Visual Tokenizer)，即实现65.8%的端到端图像生成性能提升。 这一成果颠覆了“唯有堆大模型才能提性能”的行业惯性，首次将视觉分词器推向前所未有的技术高度。
12/24/2025 9:46:41 AM AI在线
华中科大盛建中团队研发 AI 图像生成系统，协助警方令 19 名失踪儿童回家团圆

华中科大盛建中团队研发 AI 图像生成系统，协助警方令 19 名失踪儿童回家团圆

5月10日央视财经报道，华中科技大学盛建中团队研发视觉新生智能图像生成系统，利用AI预测失踪儿童面貌。该系统已协助警方寻回19名失踪儿童，还修复千张照片。##AI寻亲##
5/10/2025 4:21:43 PM 漾仔
多模态大模型有了统一分割框架，华科PSALM多任务登顶，模型代码全开源

多模态大模型有了统一分割框架，华科PSALM多任务登顶，模型代码全开源

最近，多模态大模型（LMM）取得了一系列引人注目的成就，特别是在视觉 - 语言任务上的表现令人瞩目。它们的成功不仅展现了多模态大模型在各个领域的实用性和灵活性，也为更多视觉场景下的应用探索了新的道路。尽管如此，在将 LMM 应用到计算机视觉任务上时，我们仍面临一个关键挑战：大多数 LMM 目前只限于文本输出，这限制了它们在处理更细粒度的视觉任务，如图像分割方面的能力。此外，图像分割领域内部的需求多样化，任务各异 —— 实例分割需为每个对象分配唯一 ID 并计算类别信赖度，指代分割（RES）则需要基于描述性语句来识别
4/8/2024 2:42:00 PM 机器之心
通用文档理解新SOTA，多模态大模型TextMonkey来了

通用文档理解新SOTA，多模态大模型TextMonkey来了

最近，华中科技大学和金山的研究人员在多模态大模型 Monkey [1]（Li et al., CVPR2024）工作的基础上提出 TextMonkey。在多个场景文本和文档的测试基准中，TextMonkey 处于国际领先地位，有潜力带来办公自动化、智慧教育、智慧金融等行业应用领域的技术变革。论文链接：： 是一个专注于文本相关任务（包括文档问答和场景文本问答）的多模态大模型（LMM）。相比于 Monkey，TextMonkey 在多个方面进行改进：通过采用零初始化的 Shifted Window Attention，
3/25/2024 2:30:00 PM 机器之心