跳到正文
实时
热点事件历史事件

GAFU框架提升多模态模型视觉理解

1 篇报道1 个报道来源27 天前更新

先了解这件事

AI 综述

GAFU框架通过压缩生成端视觉表示为紧凑的G token,提升统一多模态模型的细粒度视觉理解能力,支持任务条件检索。在VStar-Bench、OmniSpatial和VSR-Bench上,GAFU相比相同数据的SFT基线模型最大相对提升达20.00%、17.94%和8.62%。qwen发布的GAFU框架利用原生生成端表示,通过压缩为紧凑token来提升统一多模态模型中的细粒度视觉理解,用于任务条件检索。

AI 根据报道生成 · 更新于 27 天前

报道时间线

沿着报道,了解事件的不同侧面。

10月23日
  1. Hugging Face Daily Papers
    GAFU 框架:解锁统一多模态模型中的细粒度视觉理解

    GAFU 框架通过将生成端视觉表示压缩为紧凑的 G token,提升统一多模态模型的细粒度视觉理解能力,支持任务条件检索。在 VStar-Bench、OmniSpatial 和 VSR-Bench 上,GAFU 相比相同数据的 SFT 基线模型最大相对提升达 20.00%、17.94% 和 8.62%。