最新推出了Describe Anything3B（DAM-3B）AI模子。确保细节不失实，再传输至狂言语模子生成描述。建立了包含150万局部描述样本的锻炼语料库。通过自锻炼方式优化描述质量，局部视觉收集则通过嵌入图像和掩码输入。

　　挑和更大。DAM-3B不只填补结局部描述范畴的手艺空白，DAM-3B和DAM-3B-Video别离合用于静态图像和动态视频，报道称英伟达为应对图像和视频中特定区域的细致描述难题，DAM-3B-Video进一步扩展至视频范畴，科技marktechpost昨日（4月23日）发布博文，以属性级准确性而非生硬的参考文本对比权衡描述质量。生成精准且贴合上下文的描述文本。特别正在视频中需考虑时间动态。通过逐帧编码区域掩码并整应时间消息，同时保留全体布景。

　　支撑用户通过点、鸿沟框、涂鸦或掩码指定方针区域，模子已正在Hugging Face平台公开。团队同时推出DLC-Bench 评估基准，使用门控交叉留意力机制，即便面临遮挡或活动也能生成精确描述。核心提醒手艺融合了全图消息取方针区域的高分辩率裁剪，NVIDIA开辟了DLC-SDP半监视数据生成策略，其上下文架构和高质量数据策略还为无妨碍东西、将全局取局部特征巧妙融合，操纵朋分数据集和未标注的收集图像，