跳到正文
热点事件持续更新

研究测量视觉语言模型大图小目标细节保留

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Siddharth Vohra 与 Min Xu 发布研究,用印刷编码视力测试和 601 个真实照片小物体问题,测量四家厂商七个视觉语言模型在大图上的细节保留。结果显示,模型能稳定读出的最小文字从 6 像素以下升至 7680×4320 照片默认设置下的 10 至 13 像素。 研究同时考察模型的缩放策略,即何时需要放大才能看清小目标。

AI 根据报道生成 · 14 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 cs.AI
    Know When to Zoom:视觉语言模型能看清多小的细节?

    论文测量了四家厂商七个视觉语言模型在大图上的细节保留情况,模型能稳定读出的最小文字从 6 像素以下升至 7680×4320 照片默认设置下的 10 至 13 像素。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
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。