norgitov/ trends
Технологии · люди · идеи
RSS
RUEN
К обзору/Daily Papers1 час назад
ИсследованияDaily Papers

PANORAMA: Паноптическая генерация описаний с использованием выбора масок

В статье представлена модель PANORAMA, которая улучшает генерацию описаний изображений, привязывая каждую фразу к пиксельным маскам. Она решает проблему сопоставления описаний с пикселями изображения с помощью нового бенчмарка PanoCaps и протокола сопоставления фраз-масок. Эксперименты показывают, что метод обеспечивает точные сегментации и согласованные описания.

Открыть первоисточник
СИГНАЛ ИЗ ИСТОЧНИКА
2
голосов источника
Наблюдаем с17 сентября 2026 г.2 голосов источника
Темп интереса—Нужны повторные замеры
Опубликовано16 сентября 2026 г.Sara Pieri, Evangelos Kazakos, Shizhe Chen
ЗА ЦИФРАМИ

Как меняется интерес

Daily Papers

История начинает расти

График появится после повторных замеров. Текущий показатель уже получен из источника.

2 голосов источника

Только реальные замеры. История до подключения источника не восстанавливается.

ЗАЧЕМ ОБРАТИТЬ ВНИМАНИЕ

Этот подход повышает точность генерации описаний изображений, обеспечивая корректное сопоставление каждого описываемого объекта с соответствующей областью изображения, что полезно для приложений, требующих точного визуального понимания.

Полезная находка?
ПРОДОЛЖИ ИССЛЕДОВАНИЕ

Рядом по теме

Вся тема
Daily Papers

Технический отчет StepAudio 3 Realtime

StepAudio 3 Realtime — это модель аудио-языкового фундамента для реального времени, с непрерывным циклом слушания, разговора, мышления и действий. Включает Deep Perception для интерпретации намерений пользователя, Seamless Duplex для синхронизации аудиопотоков и Think-While-Speaking для баланса между рассуждениями и задержкой. Модель показывает высокие результаты на таких тестах, как MMSU и Artificial Analysis Full-Duplex, а также имеет коэффициент успешности задач на τ-Voice.

5 дней назадDaily Papers

StepAudio 3 Music: Генерация музыки масштаба с явным планированием и текстовым управлением

StepAudio 3 Music — это модель генерации музыки масштаба, использующая явное музыкальное планирование и текстовое управление. Она использует поток-совпадающий диффузионный Трансформер для предсказания аудио-латентов, с дискретно-непрерывной архитектурой и моделью Mixture-of-Experts для генерации структурированной музыки.

6 дней назадDaily Papers

PhysBrain 1.5: От визуально-языковых моделей к физическим фундаментальным моделям

PhysBrain 1.5 - модель для понимания физических сред, генерации действий и предсказания будущих состояний. Она использует основу визуально-языковых моделей, кодирует языковые ответы и движения как последовательности и предварительно обучается на видео взаимодействия людей. Модель показывает отличные результаты на тестах понимания физических сред.

3 дня назадDaily Papers

LynnReal-Omni: Нативная мультимодальная генерация видео для агентных визуальных рабочих процессов

LynnReal-Omni — это фреймворк генерации мультимодальных видео, объединяющий текст-в-видео, генерацию на основе изображений и структурный контроль в одном модели. Он включает 32-миллиардную общую мультимодальную трансформер-модель диффузии и версию 27B Flash для реального времени, с пайплайном данных и методом оценки для задач генерации видео.

3 дня назадDaily Papers

Уверенность приходит из опыта: оценка уверенности на основе опыта от рассуждений до агентов

В статье представлена XConf — метод оценки уверенности в языковых моделях, основанный на накопленном опыте модели. XConf использует прошлые эпизоды, включая задания, рефлексию, уровни уверенности, результаты и уроки, чтобы информировать текущие оценки уверенности через процесс запоминания и рефлексии. Она превосходит существующие методы по дискриминации и калибровке с меньшими вычислительными затратами.

позавчераDaily Papers

ZGCM-1: Полностью открытая и очень эффективная фундаментальная модель для математики и агентного поиска

ZGCM-1 — модель с 7 млрд параметров, разработанная для математики и агентного поиска, с акцентом на эффективность благодаря архитектурному и системному ко-дизайну, прогрессивному учебному курсу и AI-нативному R&D-процессу. Она демонстрирует конкурентоспособные результаты по сравнению с более крупными моделями на задачах математики и поиска, с улучшениями в эффективности обучения и открытым доступом к материалам обучения.

6 дней назад