跳到正文
arXiv · 机器人与计算机视觉· Boyang Ding, Chenglong Chu, Dunju Zang, Han Li, Jiangxia Cao, Kun Gai, Muhao Wei, Ruiming Tang, Shiyao Wang, Siyang Mao, Xinchen Luo, Yahui Liu, Zhixin Ling, Zhuoran Yang, Ziming Li, Chengru Song, Guorui Zhou, Guowang Zhang, Hao Peng, Hao Wang, Jiaxin Deng, Jin Ouyang, Jinghao Zhang, Lejian Ren, Qianqian Wang, Qigen Hu, Tao Wang, Xingmei Wang, Yiping Yang, Zixing Zhang, Ziqi Wang·· 9 天前AI 评分75

Kelix:一种弥合离散与连续视觉表示理解差距的全离散自回归统一模型

Kelix Technical Report

AI 导读

该研究报告了 Kelix 技术,旨在解决现有多模态大语言模型因混合接口导致的视觉理解偏差问题。材料指出当前离散视觉标记受限于码本容量而丢失信息,Kelix 通过全离散自回归架构填补了这一差距,实现了统一的自我监督学习与生成能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org