图像解码器；多头混合专家网络；视觉模型美学对齐；医学视觉任务适应基准

文章预览

（本文阅读时间：10分钟） 编者按：欢迎阅读“科研上新”栏目！“科研上新”汇聚了微软亚洲研究院最新的创新成果与科研动态。在这里，你可以快速浏览研究院的亮点资讯，保持对前沿领域的敏锐嗅觉，同时也能找到先进实用的开源工具。 「 本期内容速览 」 01 MedVTAB：大规模医学视觉任务适应基准 02 对齐视觉模型与人类美学：算法与评估 03 GLC：基于生成式特征编码的极低码率图像编解码器 04 MH-MoE：多头混合专家网络 MedVTAB：大规模医学视觉任务适应基准 论文链接： https://arxiv.org/abs/2404.12876 近年来，深度学习的显著进步极大地推动了计算机视觉领域的发展，尤其是视觉 Transformer（ViT） 的引入。经过大规模数据集预训练后，这些模型在各种视觉任务上表现出了卓越的性能。通过引入专门的可学习层或标记，ViT 在特定下游任务中的适应性（称 ………………………………