英伟达华人硬核AI神器，「描述一切」秒变细节狂魔！仅3B逆袭GPT-4o

文章预览

   新智元报道   编辑：桃子 【新智元导读】 视觉AI终极突破来了！英伟达等机构推出超强多模态模型DAM，仅3B参数，就能精准描述图像和视频中的任何细节。 有了AI，谁还愿意用手配「字幕」？ 刚刚，英伟达联手UC伯克利、UCSF团队祭出首个神级多模态模型——Describe Anything Model（DAM），仅3B参数。 论文地址：https://arxiv.org/pdf/2504.16072 正如其名Describe Anything，上传一张图，圈哪点哪，它即可生成一段丰富的文字描述。 即便是一段视频，DAM也能精准捕捉到白色SUV，给出详细的描述。 DAM是一个专为详细局部标注（DLC）而设计的模型，即为特定区域生成详细且精确的描述。 通过两大创新，研究人员在细节与上下文之间找到平衡： · 焦点提示：对目标区域进行高分辨率编码，就像给模型配备了一副「放大镜」，清晰捕捉到局部区域细微特征 · 局部视觉骨 ………………………………