PixelLLM 是什么
该模型被介绍为用于图像定位任务的视觉-语言模型,把描述性文字与像素位置联系起来。
你可以用它做什么
- 由输入位置生成描述性文字
- 由输入文字生成像素坐标
- 处理密集物体描述
模型说明
- 预训练使用 Localized Narrative 数据集
- 预训练中学习词与像素的对齐关系
- 资料提到在 RefCOCO 与 Visual Genome 上的结果
优点与缺点
✓ 我们认可的地方
- 覆盖由位置生成文字与由文字生成位置两个方向
- 预训练中学习词与像素的对齐
! 需要留意的地方
- 任务集中在图像定位
- 点名的数据集为 RefCOCO 与 Visual Genome
常见问题
它对齐什么?
资料说明在 Localized Narrative 数据集上学习单词与图像像素的对齐。
列出哪些任务?
功能列表列出位置条件描述、指示定位和密集物体描述。
最后评测: 2026-11-15
更多 AI 图像生成 工具
查看全部 →-
123RF 带 AI 图像工具的素材库 免费 工具 文生图 图像编辑 抠图 图片放大 -
360智图 360 出品的图片搜索、授权与 AI 编辑 免费 工具 文生图 抠图 商品图 模型生成器 -
360鸿图 面向中文用户的图像生成,提示词用中文写 免费 工具 创作者工具 文生图 艺术生成器 图生图 -
a1.art 以滤镜驱动的图像生成与换脸 免费 工具 创作者工具 文生图 艺术生成器 -
AI Anime Generator 把照片与文字变成动漫风格图 免费增值 工具 创作者工具 文生图 图生图 图生视频 -
AI Art Generator 文字提示词生成原创画面草稿 免费增值 工具 创作者工具 文生图 图像编辑 艺术生成器