关闭广告

超越纯视觉模型!不改VLM标准架构,实现像素级深度预测

新智元1005人阅读


新智元报道

编辑:LRST

【新智元导读】Meta开源DepthLM,首证视觉语言模型无需改架构即可媲美纯视觉模型的3D理解能力。通过视觉提示、稀疏标注等创新策略,DepthLM精准完成像素级深度估计等任务,解锁VLM多任务处理潜力,为自动驾驶、机器人等领域带来巨大前景。

在当前多模态AI发展浪潮中,视觉语言模型(Vision Language Models, VLMs)因其能通过「看图 + 文字交互」处理多样任务而备受关注。

然而,尽管在语义理解、视觉问答、图像指令等任务上表现优异,它们在从 2D 图像理解 3D 空间结构方面仍显薄弱。相比之下,纯视觉模型(pure vision models)在 绝对深度估计(metric depth estimation) 等三维理解任务上,凭借专门设计的网络结构与损失函数,早已达到了超越人类的精度。

这就带来了一个核心问题:「视觉语言模型是否有可能不更改其标准架

上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

中国驻英国使馆发言人就英方制裁中国实体问题答记者问

网易财经 浏览 1848

媒体:美伊冲突似要再起 美军机在波斯湾遭遇紧急情况

新民晚报 浏览 649

《日掛中天》首波真实口碑出炉!观众的打分和评价都“一针见血”

娱乐圈笔娱君 浏览 992

洪九果品响退市警报,“榴莲大王”梦断资本路

斑马消费 浏览 1792

新一代智己LS6 终结油电之争的“六边形战士”

买车君 浏览 1109

落地11万,现在的速腾还能买吗?

正在说车 浏览 906

张柏芝又飞澳洲陪Lucas读书,独自拿八九件行李

八斗小先生 浏览 878

北京男篮有戏!麦基经纪公司否认签波多黎各联赛 CBA+欧冠二选一

醉卧浮生 浏览 915

于根伟激励全队:付出最大的努力,把最后4轮比赛“咬”下来

懂球帝 浏览 1022

长剧2025:三年来最差,但仍有希望

钛媒体APP 浏览 903

媒体人:辽宁男篮交易得到吉林顶薪锋线姜宇星!

直播吧 浏览 985

研究人员提出OThink-R1,让大模型自行决定是否需要深度思考

DeepTech深科技 浏览 1078

俄称已控制红军城和沃尔昌斯克

国际在线 浏览 941

辛芷蕾飞升独一档,85花格局变了!

Yuki女人故事 浏览 1038

有品味的中年女人,穿衣都有4个共同点,看看你掌握了几个

静儿时尚达人 浏览 942

山东男子结婚22年俩儿子非亲生 大儿子首次发声

大象新闻 浏览 998

股价连跌6天,但泡泡玛特却在全球狂飙!

正解局 浏览 1928

窦骁何超莲不忍了合体发文,公开回应婚变

一娱三分地 浏览 1085

豪华新旗舰/纯电续航410km 岚图追光L成都车展发布

网易汽车 浏览 1140

你适合“剪刘海”还是“露额头”?关键看这点!

Yuki女人故事 浏览 974

夏天穿衣服别太沉闷,试试这几款绿色单品,减龄又不老套

静儿时尚达人 浏览 531
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4