Ant Group เสนอ ARGenSeg-8B: กรอบการแบ่งส่วนภาพบนพื้นฐานโมเดลสร้างภาพแบบ autoregressive
หัวข้อต้นฉบับ:inclusionAI/ARGenSeg-8B
สรุปโดย AI
Ant Group เปิดตัว ARGenSeg-8B กรอบการแบ่งส่วนภาพแบบ autoregressive ที่รวมความเข้าใจมัลติโมดัลเข้ากับการรับรู้ระดับพิกเซล โดยใช้โมเดลภาษาขนาดใหญ่แบบมัลติโมดัล (MLLM) ส่งออก visual token และถอดรหัสเป็น segmentation mask ผ่าน VQ-VAE ทั่วไป ทำให้การแบ่งส่วนพึ่งพาความเข้าใจระดับพิกเซลของ MLLM ทั้งหมด ใช้กลยุทธ์ next-scale-prediction สร้าง visual token แบบขนาน ลดความหน่วงในการอนุมาน ทำผลงานได้เหนือกว่าวิธีที่ดีที่สุดก่อนหน้าในชุดข้อมูลการแบ่งส่วนหลายชุด และความเร็วในการอนุมานเพิ่มขึ้นอย่างมีนัยสำคัญ บทความได้รับการตอบรับใน NeurIPS 2025 และโมเดลเผยแพร่บน HuggingFace แล้ว
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- 蚂蚁 inclusionAI:HuggingFace 新模型
- หมวดหมู่
- เปิดตัวโมเดล
- คะแนน AI
- 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: Ant Group เสนอ ARGenSeg-8B: กรอบการแบ่งส่วนภาพบนพื้นฐานโมเดลสร้างภาพแบบ autoregressive 15 พฤษภาคม 2026 https://new.nat6.net/th/news/cmp6c0i6i00nbslnzm1hefdiu/