跳到正文

Migician

用自然语言在多张图像中定位目标

访问官网

Migician 是什么

Migician 被介绍为清华大学自然语言处理实验室开发的多模态大语言模型,专注多图像定位任务。资料说明创新的训练框架和大规模数据集提升了多图像场景下的精确定位能力。

你可以用它做什么

  • 用自然语言指令定位特定物体
  • 处理物体、差异与自由形式定位
  • 使用直接推理或链式推理

模型说明

  • MGrounding-630k 含 63 万条定位任务数据
  • 资料在 MIG-Bench 上报告对比结果
  • 模型在 Hugging Face 上开源

优点与缺点

✓ 我们认可的地方

  • 涵盖常见物体定位、图像差异定位与自由形式定位
  • 模型在 Hugging Face 上开源

! 需要留意的地方

  • 定位结果跟随给出的自然语言指令
  • 资料在 MIG-Bench 上与 70B 模型作比较

常见问题

提供了什么数据集?

资料说明 MGrounding-630k 包含 63 万条多图像定位任务数据。

模型在哪里可用?

资料说明目前在 Hugging Face 上开源。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法