标签：视觉语言模型
李飞飞团队提出ReKep，让机器人具备空间智能，还能整合GPT-4o
李飞飞团队在机器人技术领域取得了显著进展，提出了一种名为关系关键点约束（ReKep）的新方法，该方法通过将任务分解为关键点序列来实现机器人操作任务的约束...
超越CVPR 2024方法，DynRefer在区域级多模态识别任务上，多项SOTA
DynRefer是一种新型的区域级多模态理解模型，由中国科学院大学LAMP实验室的研究人员开发，旨在通过模拟人类视觉认知过程，提高区域级多模态任务的识别能力。...
谷歌发布最新「读屏」AI！PaLM 2-S自动生成数据，多项理解任务刷新SOTA
摘要：谷歌的最新研究成果ScreenAI是一个强大的视觉语言模型，它在理解和操作用户界面方面取得了显著进展。这个模型能够执行屏幕问答、内容摘要等多种任务，...
