#Multimodal LLM

共 1 篇
tags Deep Reading 33 Paper Reading 24 Code Reading 16 Computer Vision 12 Generative AI 5 Recommendation System 5 3D Generation 4 Agentic RL 3 Multimodal LLM 1
还有 95 个标签 →

2026

2026.07
  1. Qwen3-VL-Seg 论文精读:开放世界指代分割、Box-Guided Decoder 与 SA1B-ORS

    精读 Qwen3-VL-Seg 如何将 Qwen3-VL 的开放世界框定位先验转成像素级掩码,并通过轻量解码器、SA1B-ORS 和 ORS-Bench 扩展开放世界指代分割