开源模型
MiMo-VL，小米开源的视觉模型，官方称MiMo-VL 的性能可与 GUI 专用模型媲美
开源项目
Spatial-MLLM，基于纯 2D 观测进行基于视觉的空间推理的新颖框架，支持基于视频输入理解和推理场景
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
微信扫描下方的二维码阅读本文
评论(0)