跳到主要内容

1 篇博文 含有标签「MLLM」

查看所有标签

Rex-Omni

· 阅读需 1 分钟
GoCoding

Rex-Omni is a 3B-parameter multimodal model that unifies visual perception tasks, including object detection, OCR, pointing, keypointing, and visual prompting into a single next point prediction framework.

Rex-Omni 是一个 3B 参数多模态模型,它将视觉感知任务(包括物体检测、OCR、指向、关键点定位和视觉提示)统一到一个单一的下一点预测框架中。