ICLR 2025 | Ross: 多模态大模型的 MAE 时刻？

文章预览

↑ 点击 蓝字  关注极市平台 作者丨王淏辰@知乎（已授权） 来源丨https://zhuanlan.zhihu.com/p/19997220245 编辑丨极市平台 极市导读   探讨CrossFormer在多模态大模型中的创新设计，特别是其如何通过跨尺度交互解决多模态任务中的尺度差异问题，为多模态领域的发展提供了新的思路和方法。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 「Vision-Centric Supervision」Matters in Large Multimodal Models! 「Vision-Centric Supervision」Matters in Large Multimodal Models! 「Vision-Centric Supervision」Matters in Large Multimodal Models! 今天介绍我们在多模态大模型领域的一篇原创工作： Reconstructive Visual Instruction Tuning arXiv Paper: https://arxiv.org/pdf/2410.09575 Project Page: https://haochen-wang409.github.io/ross/ GitHub Code: https://github.com/haochen-wang409/ross Huggingface Checkpoint: https://huggingface.co/HaochenWang/ross-qwen2-7b 目前 R ………………………………