模型发布

蚂蚁集团提出 ARGenSeg-8B:基于自回归图像生成模型的图像分割框架

原文标题:inclusionAI/ARGenSeg-8B

AI 摘要

蚂蚁集团推出 ARGenSeg-8B,一种将多模态理解与像素级感知统一的自回归图像生成分割框架。它利用多模态大语言模型(MLLM)输出视觉 token,并通过通用 VQ-VAE 解码为分割掩码,使分割完全依赖 MLLM 的像素级理解。采用 next-scale-prediction 策略并行生成视觉 token,降低推理延迟。在多个分割数据集上超越此前最优方法,推理速度显著提升。论文已被 NeurIPS 2025 接收,模型已发布在 HuggingFace。

关键信息

  • 蚂蚁集团推出 ARGenSeg-8B,一种将多模态理解与像素级感知统一的自回归图像生成分割框架。
  • 它利用多模态大语言模型(MLLM)输出视觉 token,并通过通用 VQ-VAE 解码为分割掩码,使分割完全依赖 MLLM 的像素级理解。
  • 采用 next-scale-prediction 策略并行生成视觉 token,降低推理延迟。
  • 在多个分割数据集上超越此前最优方法,推理速度显著提升。
  • 论文已被 NeurIPS 2025 接收,模型已发布在 HuggingFace

速览

发布时间
更新时间
来源
蚂蚁 inclusionAI:HuggingFace 新模型
分类
模型发布
AI 评分
56
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:蚂蚁集团提出 ARGenSeg-8B:基于自回归图像生成模型的图像分割框架。2026年5月15日。https://new.nat6.net/news/cmp6c0i6i00nbslnzm1hefdiu/

查看全部 →
  • Gemini 3.5:具备行动能力的前沿智能

    Google发布了Gemini 3.5模型,该模型专注于提升执行复杂任务的能力。其核心特点是支持“代理式工作流”,即能够像助手一样自主规划并执行一系列多步骤、复杂的操作,旨在将先进的语言理解与实际问题解决能力相结合。

    Google DeepMind:Blog(RSS)模型发布AI 评分 75

  • SenseNova U1技术报告发布,基于MoE架构开放模型权重

    由联合创始人兼首席科学家李沐博士领导的团队发布了SenseNova U1技术报告,详细阐述了其架构、训练方案与创新突破。此次开源同步发布了基于混合专家模型(MoE)的新权重,旨在推动AI领域的透明度、可复现性与进一步创新。团队希望通过开放…

    X:商汤 SenseTime (@SenseTime_AI)模型发布AI 评分 77

  • 蚂蚁集团发布万亿参数推理模型Ring-2.6-1T

    蚂蚁集团发布万亿参数推理模型Ring-2.6-1T,专为现实世界智能体工作流构建。该模型采用MIT许可,上下文长度通过YaRN技术从128K扩展至256K,并采用Async RL与IcePop混合训练架构。其核心特点是具备双推理努力模式:…

    X:蚂蚁百灵 (@AntLingAGI)模型发布AI 评分 76