[CV] Vision Generalist Model: A -20250613060109

[CV] Vision Generalist Model: A Survey
网页链接
这篇综述系统地梳理了视觉通用模型（VGM）的背景、核心框架（如统一Transformer、Perceiver系列、序列到序列模型）及关键技术（多模态输入/输出统一、模型设计），在对比VGM与视觉基础模型等概念的基础上，深入探讨了其面临的统一表示、数据获取等核心挑战，并展望了效率提升、综合评估、生成范式拓展等未来方向，为理解和推动视觉领域通用智能的发展提供了宝贵的路线图。