最新研究揭示视觉模型与人脑的对齐机制 AI如何“看”世界？研究表明，其方式与人类大脑存在一致性。然而，这种“脑-模型相似性”的驱动因素尚不明确。为此，FAIR与巴黎高等师范学院通过训练自监督视觉Transformer模型（DINOv3），结合功能性磁共振成像（fMRI）和脑磁图（MEG），探索了影响...

格灵深瞳作为中国领先的AI视觉企业，不仅在多模态大模型技术上超越了OpenAI，更在实际应用中展现出多模态大模型在产业界的巨大潜力。其在银行安防、城市管理、商业零售和体育教育领域的落地案例，证明了多模态大模型并非仅限于语言模型，而是拥有广泛的应用前景。 格灵深瞳的自研视觉大模型Unicom v2在多...

Meta公司于8月24日发布了一款名为Sapiens的AI视觉模型，旨在使人工智能能够分析并理解图片和视频中的人类动作。此模型涵盖了四个核心任务：二维姿势预估、身体部位分割、深度估计和表面法线预测。Sapiens模型采用了视觉转换器架构，共享相同的编码器但具有不同解码器头，以适应各自的任务需求。这些模型参数量从3亿到20亿不等，具备原生1K高分辨率推理能力，并易于调整以适应特定任务，仅需在超过3亿张野生人类图像上进行预训练。即使在数据标注稀少或完全使用合成数据的情况下，Sapiens模型仍展现出出色的泛化能力。此技术有望推动虚拟试穿、医学影像、增强现实及自动驾驶等领域的发展。