- 上云资讯 -

2025-05-11 10:38:20 43人关注

腾讯元宝「混元+DeepSeek」双模聚合推出「图像理解」技能

近日，腾讯元宝APP迎来了一次重要升级，新增了“看图说话”功能。这一功能的加入，标志着腾讯元宝在图像理解领域取得了显著进展。

2025-01-26 17:32:37 132人关注

在多模态大语言模型（MLLMs）的推动下，图像和视频相关的任务取得了革命性的进展，包括视觉问答、叙述生成和交互式编辑等。然而，实现细粒度的视频内容理解仍然面临重大挑战。这一挑战涉及像素级的分割、带有语言描述的跟踪，以及在特定视频提示上进行视觉问答等任务。