最高第 3 名已下榜

PixelUMM开源代码与模型

作者团队宣布开源PixelUMM的代码与模型，并放出Hugging Face论文页面和模型链接。

首次上榜 10月5日 19:42 · 榜单是怎么排的

名次变化

要点

NVIDIA 研究人员发布了 PixelUMM，这是一个统一的多模态模型，从架构中完全移除了 VAE 和 ViT，直接在原始像素空间处理图像和视频任务。
PixelUMM 在单个无编码器模型中同时处理视觉理解和生成。
PixelUMM 的代码和模型已开源，并提供了 Hugging Face 论文、代码和模型的链接。

要点和反应摘要由 AI 依据本页推文整理，请以原推为准。我们怎么用 AI

原推

Cong Wei @CongWei1230 1,182 粉丝10月5日 08:36

Thanks for sharing! We open-sourced code and models. 🤗Huggingface Paper: https://t.co/BrdK3sXeiy 💻 Code: https://t.co/S9ouFlnHWg 🤗 Model: https://t.co/DKW5T7E6xI引用 @robotsdigest: NVIDIA researchers just released PixelUMM, a unified multimodal model that fundamentally changes how models process visual data. Groundbreaking highlights: Entirely removes VAEs and ViTs from the architecture Operates directly in raw pixel space for both image and video tasks Handles both visual understanding and generation within a single encoder-free model

524点赞 66转发 6回复 3.3万浏览

在 X 上查看收藏

讨论 0

最热最新

还没有人讨论，来说第一句。