Gate News 訊息，4 月 23 日——Google 研究人員（包含 He Kaiming 和 Xie Saining）發表了一篇論文，介紹 Vision Banana：一款通用型視覺理解模型。該模型是透過對該公司的 Nano Banana Pro (Gemini 3 Pro Image) 影像生成模型進行輕量指令微調所打造。這項關鍵創新將所有視覺任務的輸出統一為 RGB 影像，使得能夠在不使用任務特定架構或損失函數的情況下，透過影像生成來完成分割、深度估計與表面法向預測。
在語意分割方面，Vision Banana 在 Cityscapes 上相較專用模型 SAM 3 領先 4.7 個百分點；在指代表達式分割（referring expression segmentation）方面，它超越了 SAM 3 Agent。不過在實例分割（instance segmentation）上，它落後於 SAM 3。對於 3D 任務，度量深度估計在四個標準資料集上達到 0.929 的平均準確率，超過 Depth Anything V3 的 0.918。推論時僅使用合成資料，沒有任何真實深度資訊或相機參數。表面法向估計在三個室內基準測試中取得了最先進的結果。
微調涉及將極少量的視覺任務資料混入原始影像生成訓練，同時保留模型的生成能力——在生成品質測試中的表現與原始 Nano Banana Pro 相同。論文提出：視覺中的影像生成預訓練與語言中的文字生成預訓練相類似；模型在生成過程中學習用於影像理解的內部表徵，而指令微調只是釋放這種能力。
免責聲明：本頁面資訊可能來自第三方，不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考，不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證，對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為，價格波動劇烈，您可能損失全部投資本金。請充分了解相關風險，並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
IREN 透過全股票併購案取得 Mirantis，$625M 用於擴展 AI 雲端平台
根據 BlockBeats，IREN Limited 同意在 5 月 5 日以全股票交易方式，約 6.25 億美元收購雲端基礎設施軟體公司 Mirantis。此次收購旨在透過引入軟體與編排能力，來強化 IREN 的 AI 雲端能力，並……
GateNews2小時前
Anthropic 執行長：美國正考慮簡化 AI 模型發布流程，競爭對手落後 1-3 個月
根據 金十，Anthropic 的執行長在 5 月 5 日透露，美國政府似乎正在考慮簡化發布人工智慧模型的流程。執行長指出，其他大型 AI 實驗室的能力可能會比 Anthropic 落後 1 到 3
GateNews3小時前
SGLang 團隊完成 $100M 種子輪融資，估值為 $400M ，Accel 領投
根據 Beating，開源推理引擎 SGLang 背後的團隊已正式成立 RadixArk，並完成一輪 1 億美元種子融資，投後估值為 4 億美元。Accel 領投此輪，Spark Capital 共同擔任領投方投資人。半導體競爭對手 Nvidia（透過
GateNews3小時前
OpenAI 賦予 8,000 名開發者 10 倍 Codex 速率限制提升，直到 6 月 5 日
根據 Beating，OpenAI 向在舊金山報名 GPT-5.5 離線活動的 8,000 多名開發者寄出了電子郵件，授予他們自即日起至 6 月 5 日止的 Codex 速率限制 10 倍提升。所有申請者都會獲得該獎勵，不論他們是否參加了該活動
GateNews3小時前
OpenAI 與安以捺匹克的合資企業正在洽談，以在 5 月 5 日收購三家 AI 服務公司
根據 Jin 10，OpenAI 與 Anthropic 的合資企業正在洽談於 5 月 5 日收購三家 AI 服務公司。據報導，目標公司包括專注於工程的 AI 服務公司
GateNews3小時前
Anthropic 週二推出 10 個用於金融服務的 AI 代理
Anthropic 於週二推出了十個新的 AI 代理程式，旨在處理金融服務任務，包括起草客戶會議簡報、審閱財務報表，以及將案件升級以供法規遵循審查。這些工具鎖定銀行、保險、資產管理與金融科技領域的專業人士
GateNews3小時前
