中英双语、29项第一、像素级理解：360 FG-CLIP2登顶全球最强图文跨模态模型
"视觉语言理解" 相关文章
阿里通义 Qwen3-VL 新增 2B、32B 两个密集模型尺寸，手机也能跑
阿里通义 Qwen3-VL 新增 2B、32B 两个密集模型尺寸，手机也能跑
Qwen3-VL 家族新增 2B 与 32B 模型
Qwen3-VL 家族新增 2B 与 32B 模型
Qwen3-VL 家族新增 2B 与 32B 模型
FG-CLIP 2: A Bilingual Fine-grained Vision-Language Alignment Model
FG-CLIP 2: A Bilingual Fine-grained Vision-Language Alignment Model
Instruction-tuned Self-Questioning Framework for Multimodal Reasoning
小红书亮剑：这匹开源黑马，敢和 Gemini 掰手腕了
Probing Vision-Language Understanding through the Visual Entailment Task: promises and pitfalls
识别高分低能，综合性视觉语言理解新基准，五项挑战评估多模态模型的推理能力
CVPR 2024 录用数据出炉！这些方向是大趋势！
