Seg Zero 7B
模型概述
該模型引入解耦架構,包含推理模型和分割模型。推理模型解釋用戶意圖並生成推理鏈和位置提示,分割模型使用這些提示生成像素級掩碼。通過GRPO強化學習訓練,無需顯式推理數據。
模型特點
零樣本泛化能力
無需顯式推理數據即可實現強大的零樣本泛化
解耦架構
分離推理和分割任務,提高模型解釋性和性能
認知強化訓練
使用GRPO進行強化學習訓練,實現湧現的測試時推理能力
模型能力
圖像分割
意圖理解
推理鏈生成
零樣本學習
使用案例
計算機視覺
異常物體檢測
識別圖像中不尋常的物體
生成像素級掩碼標記異常區域
語義分割
根據文本描述分割特定對象
生成精確的對象邊界掩碼
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98