模态GAP不存在了？图文领域首个token级大一统基座诞生
模态GAP不存在了？图文领域首个token级大一统基座诞生
CLIP、DINO、SAM 基座的重磅问世，推动了各个领域的任务大一统，也促进了多模态大模型的蓬勃发展。
然而，这些经过图像级监督或弱语义训练的基座，并不是处理细粒度密集预测任务的最佳选择，尤其在理解包含密集文字的文档图像上。
为解决这一限制，上交联合美团实现了图文对齐粒度的新突破，其具备三大核心优势：
21
0
2025-09-03
