视觉问答

Meta 推 WebSSL 模型：探索 AI 无语言视觉学习，纯图训练媲美 OpenAI CLIP

科技媒体 marktechpost 发布博文，报道称 Meta 公司发布 WebSSL 系列模型，参数规模从 3 亿到 70 亿，基于纯图像数据训练，旨在探索无语言监督的视觉自监督学习（SSL）的潜力。以 OpenAI 的 CLIP 为代表，对比语言-图像模型已成为学习视觉表征的默认选择，在视觉问答（VQA）和文档理解等多模态任务中表现突出。不过受到数据集获取的复杂性和数据规模的限制，语言依赖面临诸多挑战。

4/25/2025 11:55:46 AM

故渊

小而强！微软发布小型模型LLaVA-Rad，实现精准放射学报告生成

近日，微软研究院联合华盛顿大学、斯坦福大学、南加州大学、加利福尼亚大学戴维斯分校以及加利福尼亚大学旧金山分校的研究人员共同推出了 LLaVA-Rad，这是一种新型的小型多模态模型（SMM），旨在提升临床放射学报告的生成效率。该模型的推出不仅标志着医学图像处理技术的一大进步，也为放射学的临床应用带来了更多的可能性。在生物医学领域，基于大规模基础模型的研究已经展现出良好的应用前景，尤其是在多模态生成 AI 的发展下，可以同时处理文本与图像，从而支持视觉问答和放射学报告生成等任务。

2/10/2025 9:46:00 AM

AI在线

资讯热榜

Microsoft Releases 700 Real AI Cases to Explore New Intelligent Work Models 微软发布 700 个真实 AI 案例，探索智能化工作新模式 ByteDance Seaweed APT2 is震撼 released! Real-time Interactive AI Video Generation Unlocks a New Era of 3D Virtual World 腾讯LeVo来袭！媲美Suno 4.5的AI唱歌模型，支持零样本音色克隆 Kimi-Dev-72B: The AI Wonder Breaking the Boundaries of Code Repair Former DeepSeek executive secretly starts new AI Agent project, already backed by top VC 腾讯云推出全链路AI驱动应用开发平台“AI Builder” Luo Yonghao's digital person achieves success in its first live broadcast on Baidu e-commerce: GMV exceeds that of a real person in an hour in 26 minutes

标签云

人工智能 AI OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌数据机器人大模型 Midjourney 用户智能开源微软 Meta GPT 学习图像技术 AI创作 Gemini 论文马斯克 Stable Diffusion 代码算法英伟达 Anthropic 芯片开发者生成式蛋白质腾讯训练智能体神经网络 3D 研究苹果生成计算机器学习 Sora Claude AI设计 AI for Science GPU AI视频人形机器人华为 LLM 搜索百度 xAI 场景大语言模型预测伟达字节跳动深度学习 Agent Transformer 工具视觉模态神器推荐 RAG 大型语言模型具身智能文本 LLaMA 算力 Copilot API 驾驶应用架构