极市干货，作者每时AI

多模态与生成正迈向终极大一统！阿里最新3万字长文梳理统一的多模态理解和生成模型

2025年5月12日23时作者极市干货

系统梳理了统一多模态理解和生成模型的最新进展，将其分为基于扩散、自回归及混合三大架构范式，并探讨了该

2025年5月9日23时作者极市干货

本文介绍一个种新型视觉基础模型
DefMamba，
通过多尺度 Backbone 结构和可变形 Ma

2025年5月8日23时作者极市干货

解统一架构 Janus 的后续版本，借助 Rectified Flow 做生成。
>>
加入极市CV

2025年5月8日23时作者极市干货

项目提出了一种基于上下文的零样本图像编辑框架，结合LoRA-MoE混合微调和早期噪声过滤策略，仅需极

2025年5月6日23时作者极市干货

256 生成上实现了最佳 (SOTA) 性能，FID得分为1.35，同时在短短64个epoch内就达

2025年5月6日23时作者极市干货

器人视觉运动策略学习方法
Diffusion Policy，
通过将机器人策略表示为条件去噪扩散过程

2025年4月28日23时作者极市干货

交流群，走在计算机视觉的最前沿
北京大学陈宝权团队和香港大学等高校及业界机构联合推出实时三维重建系统

2025年4月28日23时作者极市干货

关注极市平台公众号，获取多模态大模型解读专栏、Transformer系列等技术综述文章。

2025年4月28日23时作者极市干货

的极简自回归视觉生成框架。
>>
加入极市CV技术交流群，走在计算机视觉的最前沿
本文目录
1 Si

2025年4月28日8时作者极市干货

合发布大模型翻译研究成果 RedTrans，通过双模型回译采样和强化学习偏好优化等创新方法，解决了社