Apple зарелизили any-to-any мультимодальную вижн сетку. Точнее даже “омнимодальный вижн” фреймворк,...
Три размера - 198M, 705M, 2.8B
21 модальность
И это наверное SOTA по оформлению странички модели - https://4m.epfl.ch/
Три размера - 198M, 705M, 2.8B
21 модальность
И это наверное SOTA по оформлению странички модели - https://4m.epfl.ch/
