CCTest · Blog
多模态视觉编码正在“解耦”:预训练先验不是关键,专用视觉容量才是
多模态
cctest.ai
多模态

多模态视觉编码正在“解耦”:预训练先验不是关键,专用视觉容量才是

一项受控研究重新审视多模态模型的视觉编码方式:视觉编码器不一定需要预训练,但模型仍需要专门的视觉处理容量。研究还发现,这部分能力可以更早地融入主干网络,而不必完全置于多模态融合之前。

阅读全文
CCTest · Blog
Open Vision Banana:把图像生成器改造成开放式视觉感知系统
开源生态
cctest.ai
开源生态

Open Vision Banana:把图像生成器改造成开放式视觉感知系统

Open Vision Banana 提出了一套可复现的开放方案,利用预训练图像生成模型统一处理分割、深度估计和指代表达等视觉任务。项目公开数据构建流程、代码、权重及消融检查点,并通过“图例集成”提升分割稳定性。

阅读全文
CCTest · Blog
亚马逊要建立“全球商品图谱”,把全网商品纳入搜索版图
RAG 与检索
cctest.ai
RAG 与检索

亚马逊要建立“全球商品图谱”,把全网商品纳入搜索版图

据报道,亚马逊正在考虑建立覆盖全互联网商品的“全球商品图谱”,包括那些并不在亚马逊销售的商品。该项目旨在减少用户跳出亚马逊查找商品信息的需求,也为其购物人工智能提供更完整的数据。

阅读全文
CCTest · Blog
LiteRT Tensor API:谷歌把端侧模型优化推进到计算图层
框架与工具
cctest.ai
框架与工具

LiteRT Tensor API:谷歌把端侧模型优化推进到计算图层

谷歌推出轻量级 C++ API LiteRT Tensor,允许开发者直接构建、修改和优化端侧机器学习计算图,并在 CPU、GPU 与 NPU 间保持较好的可移植性。其示例显示,统一的 C++ 图和零拷贝能力有望降低跨硬件部署与性能调优成本。

阅读全文