月度归档： 2025 年 1 月

炸裂！DeepSeek 的新春礼物——多模态模型Janus-Pro 详解

作者

DeepSeek发布Janus-Pro模型，实现图文理解和图像生成的双面杀手。该模型通过解耦视觉编码路径实现了真正的”一心二用”，并采用统一架构设计、精心训练策略和MIT开源协议。其在理解任务得分0.8和生成质量上碾压DALL-E 3等主流模型。

滚烫Deepseek一夜刀掉英伟达4万亿，除夕开源多模态新模型：7B超越DALL-E 3和StableDiffusion

作者

DeepSeek发布新模型Janus-Pro-7B，击败DALL-E 3和Stable Diffusion，在GenEval和DPG-Bench基准测试中表现优异。该模型基于自回归框架设计，采用SigLIP-L视觉编码器进行多模态理解和生成。

新范式，自回归大一统！北大提出VARGPT：单一框架实现视觉「理解」与「生成」

作者

北大团队提出VARGPT模型，通过单一自回归框架实现视觉理解与生成。其创新设计包括引入视觉解码器、多尺度图像分词器和特征投影器，并采用三阶段训练策略优化性能。