#视觉模型

8小时前

GLM-4.5V：智谱开源视觉模型 106B总参数，12B激活参数，开源最佳视觉模型。模型：

#GLM-4.5V #智谱 #视觉模型 #开源 #106B参数

2周前

传统OCR 像拆解剧本：OCR、版面检测、分块、嵌入……每一步都可能出错，表格、图例、空间关系全都丢失，信息碎片化严重。基于视觉模型新范式：直接把每页文档当作图片输入大模型，利用视觉模型和多模态语言模型，保留全部空间和视觉细节，像人一样理解文档。

#OCR #视觉模型 #大模型 #文档理解 #信息提取

1个月前

V-JEPA 2：Meta开源的世界模型杨立昆带队的视觉模型，不仅能理解视频，而且能预测视频。在视觉评测的所有项目上都获得了最高分，在指挥机器人行动方面遥遥领先。官方介绍： Github：模型：

#Meta #世界模型 #V-JEPA 2 #视觉模型 #视频预测