UCSC等团队提出多接口视觉编码器ALPS

UCSC-VLAA、Google与UCSB团队提出面向机器人及世界模型预训练的视觉状态编码器ALPS，并通过开源代码与权重对外发布。 ALPS以共享基础统一物理状态预测、语言对齐和像素重建三种接口，使同一视觉编码过程可服务于状态理解、图文关联和图像生成。团队称，该方法在相对探测误差、Flickr30k图文检索及像素重建指标上取得有竞争力的表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。