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
- 分类
- 模型发布
- AI 评分
- 56
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。
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/