IXThinker·2025-02-22 23:50

清華推Migician 視覺定位由單圖拓展至多圖

多模態視覺定位能力迎來升級：清華團隊推出Migician，把定位範圍由單張圖像拓展至多圖場景，無論在相冊中找人、跨圖找同款車，都能直接輸出精確座標。

由單圖到多圖

以往視覺定位多限於單張圖像，Migician把能力延伸至多圖應用場景。例如在複雜相冊中辨認出Luigi並於第二張圖中鎖定他，或根據「鐵甲奇俠」劇照，在合影中精準找到對應的演員唐尼。