ViLFlow连续流视觉语言模型发布
热点事件持续更新
ViLFlow连续流视觉语言模型发布
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年11月19日,arXiv发表ViLFlow模型,该模型结合输出嵌入联合建模与并行token解码,实现连续流视觉-语言生成。 实验显示,ViLFlow在VQAv2上优于基线8.46个百分点,在COCO Karpathy test提升CIDEr分16.25分。解码器可独立适配,无需重训去噪器即可提升问答与描述能力。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
ViLFlow: 基于连续潜流并行视觉-语言生成模型报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLViLFlow: 基于连续潜流并行视觉-语言生成模型
ViLFlow 是一款结合输出嵌入联合建模与并行 token 解码的连续流视觉-语言模型。 该模型在 VQAv2 上优于自回归及掩码扩散基线达 8.46 个百分点,在 COCO Karpathy test 上提升 CIDEr 16.25 分。 其解码器可独立适配,在不重新训练去噪器的情况下提升问答与描述能力。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。