跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · ML
    ViLFlow: 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
–

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。