Intern VL: Scaling up Vision Foundation Models and Aligning for Generic Visual-Linguistic Tasks
Zhe Chen, Jiannan Wu, Wenhai Wang, Weijie Su, Guo Chen, Sen Xing, Muyan Zhong, Qinglong Zhang e mais 7
De quem é
- Chinese Academy of Sciencesafiliação declarada pelos autores, segundo o OpenAlex
- Nanjing Universityafiliação declarada pelos autores, segundo o OpenAlex
Shanghai Artificial Intelligence Laboratoryafiliação declarada pelos autores, segundo o OpenAlex
Tsinghua Universityafiliação declarada pelos autores, segundo o OpenAlex- University of Science and Technology of Chinaafiliação declarada pelos autores, segundo o OpenAlex
Outros papers das mesmas organizações
- DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language ModelsPeking University · 12.684 citações
- YOLOv12: Attention-Centric Real-Time Object DetectorsChinese Academy of Sciences · 4.397 citações
- M3-Embedding: Multi-Linguality, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge DistillationChinese Academy of Sciences · 3.230 citações
- A Comprehensive Survey of Continual Learning: Theory, Method and ApplicationTsinghua University · 2.465 citações
- VBench: Comprehensive Benchmark Suite for Video Generative ModelsNanjing University · 2.431 citações
- T2I-Adapter: Learning Adapters to Dig Out More Controllable Ability for Text-to-Image Diffusion ModelsChinese Academy of Sciences · 2.217 citações