#Vision Transformer

NASA представила Galileo — открытую мультимодальную модель ИИ, которая интегрирует разнообразные данные дистанционного зондирования для задач сельского хозяйства и реагирования на чрезвычайные ситуации.

MiMo-VL-7B — мощная визуально-языковая модель от исследователей Xiaomi, показывающая передовые результаты в визуальном понимании и мультимодальном рассуждении благодаря инновационным методам обучения.

Meta AI представила Web-SSL — семейство масштабируемых визуальных моделей, обученных без языка. Они показывают конкурентные результаты на мультимодальных задачах и ставят под вопрос необходимость языкового обучения.