1.视觉编码方法

本文来自加州大学圣克鲁兹分校（UCSC）、苹果公司（Apple）与加州大学伯克利分校（UCB）的合作研究第一作者刘彦青，本科毕业于浙江大学，现为UCSC博士生，研究方向包括多模态理解、视觉-语言预训练与视觉基础模型。

2.机器视觉编码

其余作者包括李先航（UCSC）、张乐天（USCS）、王子瑞（Apple）、郑泽宇（UCB）、周郁音（UCSC）通讯作者为UCSC的谢慈航教授在多模态大模型快速演进的浪潮中，视觉模块一直是支撑整个体系的关键基石。

3.视觉译码训练

长期以来，CLIP 式的图文对比学习几乎成为视觉预训练的默认思路从 OpenAI 的 CLIP 到 Google 的 SigLIP，再到一系列开源复现，业界普遍认为：想要获得强大的视觉编码器，就必须依赖对比学习。

4.视觉编码实验报告

近日，来自加州大学圣克鲁兹分校、苹果公司、加州大学伯克利的研究者提出了 OpenVision 2，一种极简的生成式视觉预训练新方向这项工作在保持最优性能的同时，大幅提升了训练效率，并在生成式框架下实现了 10 亿参数规模的可扩展训练。

OpenVision 2：大道至简的生成式预训练视觉编码器（插图

5.posner视觉编码实验

✍🏻️论文标题：OpenVision 2: A Family of Generative Pretrained Visual Encoders for Multimodal Learning📄

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。