VideoLLaMA3：阿里达摩院开源的多模态大模型，高效赋能图像与视频深度理解 VideoLLaMA3是由阿里巴巴达摩院新加坡NLP团队研发并开源的多模态基础模型，聚焦于图像与视频的内容理解与分析任务。作为VideoLLaMA系列模型的升级版本，该模型基于字节跳动... 10个月前 AI新闻 213
UniPixel：香港理工大学联合腾讯开源的像素级视觉语言统一理解模型 UniPixel是由香港理工大学、腾讯ARC实验室等机构联合开发的开源多模态大模型（MLLM），专注于像素级视觉语言理解与细粒度推理任务。该模型基于Qwen2.5-VL系列扩展，融合视觉... 2025-10-18 AI新闻 122
