GroundAnything 视觉定位基础模型发布
热点事件持续更新
GroundAnything 视觉定位基础模型发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
报道摘要
GroundAnything 是一个 4B 参数的视觉定位基础模型，通过分块去噪把并行扩散解码与精准定位结合，在 30 个定位基准上，其自回归版本 GroundAnything-VLM 以 72.42% 取得同规模模型最佳总体成绩，接近 GPT-6 Astra 的 71.35%。
摘自 arXiv cs.RO
最新进展10月19日 12:00
GroundAnything：以 Flash 速度实现并行解码与精准视觉定位的 4B 定位基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.ROGroundAnything：以 Flash 速度实现并行解码与精准视觉定位的 4B 定位基础模型
GroundAnything 是一个 4B 参数的视觉定位基础模型，通过分块去噪把并行扩散解码与精准定位结合，在 30 个定位基准上，其自回归版本 GroundAnything-VLM 以 72.42% 取得同规模模型最佳总体成绩，接近 GPT-6 Astra 的 71.35%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。