BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

DINO-X: A Unified Vision Model for Open-World Object Detection and Understanding

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本文介绍了DINO-X，一个统一的物体中心视觉模型，旨在提升开放世界物体检测的性能。通过扩大输入选项和构建大规模数据集，DINO-X显著提高了对长尾物体的识别能力，并在多个基准测试中表现优异。

🏷️

标签

DINO-X model 数据集 物体检测 视觉模型 长尾物体
➡️

继续阅读

  1. SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
    商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
  2. 数据并行与 ZeRO：三级分片各省多少
    本文介绍数据并行与ZeRO优化技术。ZeRO通过三级分片（优化器状态、梯度、权重）减少显存占用，前两级不增通信量，第三级需额外all-gather。ZeR...
  3. 流水线并行：1F1B、虚拟段与气泡
    本文介绍流水线并行中气泡的产生与优化。将模型按层切段、批次分微批后，段间等待形成气泡。四代调度各改一点：GPipe先全前向再全反向，显存高；1F1B改交替...
  4. 在实地录音中探索全球
    Earth Garden是一款基于Freesound环境音频的互动应用，灵感源自Radio Garden，让用户通过旋转地球聆听全球各地的实地录音，如海浪...
  5. 并行策略总览：六个维度各切什么、怎么通信
    本文介绍大模型并行训练的核心概念，将DP、TP、SP、PP、EP、CP六种并行方式按切分维度、显存减少、通信开销和等待关系列表对比。并行本质是切分模型并引...
  6. Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
    本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
👤 个人中心
在公众号发送验证码完成验证