PS3 视觉编码器

4K分辨率视觉预训练首次实现！伯克利&英伟达多模态新SOTA，更准且3倍加速处理

当前，所有主流的视觉基础模型（如 SigLIP、DINOv2 等）都仍然在低分辨率（如 384 * 384 分辨率）下进行预训练。对比人类视觉系统可以轻松达到 10K 等效分辨率，这种低分辨率预训练极大地限制了视觉模型对于高清细节的理解能力。然而，当前视觉模型预训练很难提升到更高的分辨率，核心原因在于计算代价过于高昂。

4/17/2025 12:12:00 PM

机器之心

资讯热榜

最具争议性研究：大模型中间层输出可 100% 反推原始输入奥特曼回应一切：重组后仍需微软支持，不相信OpenAI的欢迎做空 OpenAI 或将于明年上市，估值可达万亿！单张4090跑到30fps，范浩强团队让VLA实时跑起来了 OpenAI更新ChatGPT规则：10月29日起禁止医疗、法律与财务建议「套壳」的最高境界：OpenAI揭秘Atlas浏览器架构OWL Bevel 获得 1000 万美元 A 轮融资，致力于 AI 健康助手创新亚马逊股价暴涨 13%，人工智能推动云计算迎来多年最快增长

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画大模型机器人数据 Midjourney 开源 Meta AI新词微软智能用户 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果 Claude 腾讯 Stable Diffusion 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人 AI视频研究大语言模型生成具身智能 Sora 工具 GPU 百度华为计算字节跳动 AI设计大型语言模型 AGI 搜索视频生成场景深度学习架构生成式AI DeepMind 编程视觉 Transformer AI模型预测亚马逊特斯拉 MCP