英伟达发布DAM-3B模型精准描述图像视频局部细节

2025年04月24日 14:19:20 来源：Citnews中文科技资讯

　　科技媒体Marktechpost报道，英伟达近日推出Describe Anything 3B(DAM-3B)AI模型，旨在解决图像和视频中特定区域的详细描述难题。

　　传统视觉-语言模型(VLMs)在整体描述上表现优异，但对局部细节的捕捉常显不足。DAM-3B通过点选、框选或涂鸦等方式指定目标区域，生成精准且上下文相关的描述文本，其衍生版本DAM-3B-Video还支持动态视频分析。

　　该模型采用“焦点提示”和“局部视觉骨干网络”架构，兼顾高分辨率细节与全局背景，并通过门控交叉注意力机制融合特征。为弥补数据不足，英伟达开发了半自动标注策略，构建含150万样本的训练库。

　　在多项基准测试中，DAM-3B以67.3%的平均准确率超越GPT-4o等模型，为无障碍工具、机器人及视频分析提供了新可能。模型已在Hugging Face平台开源。

　　文章内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。

即时

造物者以「身边的电脑DIY造物平台」为核心定位,」让每一个用户都可以享受自由DIY

奥维云网(AVC)推总数据显示，2024年1-9月明火炊具线上零售额94.2亿元，同比增加3.1%，其中抖音渠道表现优异，同比有14%的涨幅，传统电商略有下滑，同比降低2.3%。

“以前都要去窗口办，一套流程下来都要半个月了，现在方便多了!”打开“重庆公积金”微信小程序，按照提示流程提交相关材料，仅几秒钟，重庆市民曾某的账户就打进了21600元。

华硕ProArt创艺27 Pro PA279CRV显示器，凭借其优秀的性能配置和精准的色彩呈现能力，为您的创作工作带来实质性的帮助，双十一期间低至2799元，性价比很高，简直是创作者们的首选。

9月14日，2024全球工业互联网大会——工业互联网标识解析专题论坛在沈阳成功举办。