细粒度视觉与VLA落地 | 多模态大模型9.15日报
09-15 10:18
正在加载内容...
精选参考来源
精选参考来源
1. 重新评估图像分词器：把视觉 token 当作多模态模型的“视觉语言”
哔哩哔哩 2026-09-14 00:00:00
2. VDiff-Bench：用“找不同”检验多模态模型的细粒度视觉能力
哔哩哔哩 2026-09-14 00:00:00
3. CoVeR：覆盖率剪枝降低多视图 3D 推理成本
哔哩哔哩 2026-09-14 00:00:00
4. CMU 与 Meta 的 CoVeR：免训练剪枝减少多视角冗余 Token
知乎 2026-09-14 00:00:00
5. VLAct：用表征中心持续预训练提升视觉-语言-动作模型
知乎 2026-09-14 00:00:00
6. 自动驾驶 VLA 模型课程：从视觉理解到端到端动作决策
哔哩哔哩 2026-09-14 00:00:00
7. Qwen3-VL-30B 在昇腾 910B4 单卡上的部署实测
小红书 2026-09-14 00:00:00
8. 小鹏第二代 VLA 广州真实道路体验
新浪微博 2026-09-14 00:00:00
已收藏
去我的收藏夹