Gate 新闻消息，4月23日——Google 研究人员（包括何凯明和谢赛宁）发布了一篇论文，介绍 Vision Banana，这是一种通用型视觉理解模型，通过对该公司 Nano Banana Pro (Gemini 3 Pro Image) 图像生成模型进行轻量指令微调而创建。关键创新将所有视觉任务的输出统一为 RGB 图像，使得在不需要任务特定架构或损失函数的情况下，通过图像生成即可实现分割、深度估计和表面法线预测。
在语义分割方面，Vision Banana 在 Cityscapes 上比专门模型 SAM 3 高 4.7 个百分点；在指列表达式分割（referring expression segmentation）方面，它超过了 SAM 3 Agent。不过，在实例分割（instance segmentation）方面，它落后于 SAM 3。对于 3D 任务，度量深度估计在四个标准数据集上取得了 0.929 的平均准确率，超过 Depth Anything V3 的 0.918；推理时仅使用合成数据，无需真实深度信息或相机参数。表面法线估计在三个室内基准测试上达到了最先进的结果。
微调过程仅将少量视觉任务数据混入原始图像生成训练，从而保留了模型的生成能力——在生成质量测试中，其性能与原始 Nano Banana Pro 相当。论文提出，视觉中的图像生成预训练与语言中的文本生成预训练相类似：模型在生成过程中学习图像理解所需的内部表征，而指令微调只是释放这种能力。
免责声明：本页面信息可能来自第三方，不代表 Gate 的观点或意见。页面显示的内容仅供参考，不构成任何财务、投资或法律建议。Gate 对信息的准确性、完整性不作保证，对因使用本信息而产生的任何损失不承担责任。虚拟资产投资属高风险行为，价格波动剧烈，您可能损失全部投资本金。请充分了解相关风险，并根据自身财务状况和风险承受能力谨慎决策。具体内容详见
声明。
相关文章
Elastics 完成 200 万美元的 Pre-Seed 轮融资，由 Frst 领投
根据 ChainCatcher，Elastics（一个 AI 预测市场操作系统）已完成一轮 200万美元的 Pre-Seed 融资。Frst 领投本轮，参与方包括 ElevenLabs、XBTO、RedStone、以及
GateNews27 分钟前
高通前高管 Alex Katouzian 于 5 月 4 日加入英特尔，担任客户端计算与物理 AI 方面的执行副总裁（EVP）
英特尔于 5 月 4 日宣布，来自高通的资深高管 Alex Katouzian 已加入该公司，担任执行副总裁兼客户计算与物理 AI 组总经理，并直接向首席执行官 Chen Lixu 汇报。Katouzian 在高通任职了 25 年，最近一次担任的是 e
GateNews59 分钟前
纳斯达克上市的 K Wave Media 放弃比特币金库，将 $485M 重定向至 AI
纳斯达克上市的 K Wave Media 已放弃其比特币金库计划，并将 4.85 亿美元改投人工智能投资，距为最初的比特币筹集 5 亿美元还不到一年
GateNews1小时前
Nova Intelligence 完成由 Chemistry 牵头的 3150 万美元 A 轮融资，于 5 月 5 日完成
据《财富》报道，AI 代理平台 Nova Intelligence 于 5 月 5 日完成一轮 3150 万美元的 A 轮融资，由 Chemistry 领投。Accel、Conviction 和 SAP.io 也参与了本轮融资。
Nova 的平台用于分析、现代化并为薪资、供应链以及
GateNews1小时前
Cipher Digital 获得 $200M 信用额度，以扩展 AI 和 HPC 数据中心
据 Globenewswire，Cipher Digital（纳斯达克上市的比特币矿企）从全球金融机构获得 2 亿美元的循环信贷额度，以增强流动性并加速其 AI 和高性能计算（HPC）数据中心平台的扩张。该公司公布了 Q1
GateNews2小时前
Quantum Leap 完成 $200M IPO，寻求区块链和 AI 收购
据 Businesswire 称，5 月 5 日，特殊目的收购公司 Quantum Leap 完成了 2 亿美元的首次公开募股，并以 QLEPU 作为股票代码开始在纽约证券交易所交易。该公司计划将募集资金用于寻求收购和并购交易 i
GateNews2小时前
