Ant Group stellt ARGenSeg-8B vor: ein Bildsegmentierungsframework auf Basis eines autoregressiven Bildgenerierungsmodells
Originaltitel:inclusionAI/ARGenSeg-8B
KI-Zusammenfassung
Ant Group hat ARGenSeg-8B vorgestellt, ein Segmentierungsframework auf Basis autoregressiver Bildgenerierung, das multimodales Verständnis und pixelgenaue Wahrnehmung vereint. Es nutzt die visuellen Token-Ausgaben eines multimodalen großen Sprachmodells (MLLM) und dekodiert sie über einen universellen VQ-VAE zu Segmentierungsmasken, sodass die Segmentierung vollständig auf dem pixelgenauen Verständnis des MLLM beruht. Mit einer Next-Scale-Prediction-Strategie werden visuelle Tokens parallel generiert, was die Inferenzlatenz senkt. Auf mehreren Segmentierungsdatensätzen übertrifft es frühere Bestmethoden und beschleunigt die Inferenz deutlich. Das Paper wurde auf der NeurIPS 2025 angenommen, das Modell ist auf HuggingFace veröffentlicht.
Kernpunkte
- Ant Group hat ARGenSeg-8B vorgestellt,ein Segmentierungsframework auf Basis autoregressiver…
- Es nutzt die visuellen Token-Ausgaben eines multimodalen großen Sprachmodells (MLLM) und dekodiert…
- Mit einer Next-Scale-Prediction-Strategie werden visuelle Tokens parallel generiert,was die…
- Auf mehreren Segmentierungsdatensätzen übertrifft es frühere Bestmethoden und beschleunigt die…
- Das Paper wurde auf der NeurIPS 2025 angenommen,das Modell ist auf HuggingFace veröffentlicht.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Kategorie
- Modellveröffentlichungen
- KI-Bewertung
- 56
蚂蚁提出用自回归生成做分割,把理解和像素级感知统一到一个框架里,多个数据集SOTA且速度更快,做CV的值得看看。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Ant Group stellt ARGenSeg-8B vor: ein Bildsegmentierungsframework auf Basis eines autoregressiven Bildgenerierungsmodells. 15. Mai 2026. https://new.nat6.net/de/news/cmp6c0i6i00nbslnzm1hefdiu/