Blog
本实验室联合上海AI实验室发布新一代书生·视觉大模型，视觉核心任务开源领先
新一代“书生·视觉基础”模型的视觉编码器参数量达60亿(InternVL-6B)，首次提出了对比-生成融合的渐进式对齐技术，实现了在互联网级别数据上视觉大模型与语言大模型的精细对齐。
本实验室联合发布最强开源多模态生成模型MM-Interleaved：首创特征同步器
MM-Interleaved 可以轻松编写引人入胜的旅游日志和童话故事，准确理解机器人操作，就连分析电脑和手机的 GUI 界面、创作独特风格的精美图片都不在话下。甚至，它还能教你做菜，陪你玩游戏，成为随时听候指挥的个人助理！
万字长文理解纯视觉感知算法 —— BEVFormer
BEVFormer 是本实验室发表在 ECCV 2022 上的一篇论文，其中提出了一个采用纯视觉(camera)做感知任务的算法模型 BEVFormer，并取得了 SOTA 的效果。
本实验室联合商汤用多模态LLM做自动驾驶决策器，可解释性有了！比纯端到端更擅长处理特殊场景
最新自动驾驶大模型DriveMLM，直接在闭环测试最权威榜单CARLA上取得了SOTA成绩——跑分比基线Apollo还要高4.7，令一众传统模块化和端到端方法全都黯然失色。
本实验室联合商汤发布通才智能体完全解锁《我的世界》，像人类一样生存，探索和创造
AI 也能应对开放世界，像人类一样生存，探索和创造！
CVPR最佳论文奖首次给了自动驾驶：大模型加持，感知决策一体，出自本实验室
国内的自动驾驶，终于走在世界前列！近十年来计算机视觉三大顶级会议中，第一篇来自中国研究团队的最佳论文。
来自本实验室！用CNN做基础模型，可变形卷积InternImage实现检测分割新纪录
InternImage-H 在 COCO 物体检测上达到 65.4 mAP，ADE20K 达到 62.9，刷新检测分割新纪录。
本实验室提出 Deformable DETR：基于稀疏空间采样的注意力机制，让DCN与Transformer一起玩！
DETR提出后，Transformer就被带到目标检测这边玩起来了，而且还能玩出各种花样！
本实验室提出可变形卷积网络：计算机新“视”界
图像识别于两年多前首次超越了人类的识别能力。物体检测、图像分割等也都达到了几年前传统方法难以企及的高度。
本实验室实习生李志琦获2024英伟达奖学金名单！
这是该奖首次发给我国内地高校学生