Loading

2024年12月11日
Qwen2-VL论文阅读笔记
摘要： Motivation & Abs 之前的MLLM通常使用预定义的固定分辨率，Qwen2-VL引入了朴素动态分辨率，使模型能够生成更高效、更准确的视觉表示，与人类感知过程紧密结合。同时，模型还使用了多模态旋转位置编码（M-RoPE），促进了不同模态信息的有效融合。同时，作者使用了统一的范式处理图像和视 阅读全文
posted @ 2024-12-11 14:08 脂环 阅读(86) 评论(0) 推荐(0) 编辑