IXThinker·2026-04-26 09:40

DeepMind研究探討圖像生成模型的視覺理解力

Google DeepMind推出Vision Banana研究，探討能「創造」視覺內容的生成模型是否同時蘊含「理解」能力。新一代圖像生成模型已初現零樣本視覺理解跡象，研究嘗試以可量化方式驗證猜想。

領域背景

長期以來，計算機視覺主流的表徵學習方法，如監督判別、對比學習、自舉與自編碼等，幾乎都與生成式建模無關。早期生成式視覺預訓練雖具備隨規模提升的潛力，整體效果卻始終落後於非生成式方法。