巧妙！一个传统技术让国产视觉基础模型直接上大分
格灵深瞳的Glint-MVT视觉基础模型通过线性探测测试，平均准确率比OpenCLIP和CLIP高2.3%和1.1%，在应用效果上实现了精准分割及复杂场景识别。
视觉基础模型
CVPR 2025 满分论文！重建 vs 生成：解决扩散模型中的优化难题
本文提出了一种名为VA-VAE的方法，通过将视觉词元分析器的潜在空间与预训练的视觉基础模型对齐，解决了潜在扩散模型中重建与生成之间的优化难题。基于该方法构建的LightningDiT模型在ImageNet 256×256生成任务上取得了最佳性能，FID得分1.35，并在64个epoch内达到2.11的FID得分，显著提升了训练效率。