Skywalker0410 commited on
Commit
64aa66c
·
verified ·
1 Parent(s): eb13709

Fix Chinese emphasis rendering in the model overview

Browse files

Use explicit strong tags in one Chinese overview paragraph so punctuation next to percentages renders correctly on the Hub. Wording, numbers, English content, language links, and release news remain unchanged.

Files changed (2) hide show
  1. README.md +1 -1
  2. checksums.sha256 +1 -1
README.md CHANGED
@@ -354,7 +354,7 @@ Grounding predictions can miss small or occluded objects, repeat instances, or p
354
 
355
  自回归(AR)视觉定位模型将空间预测串行化,带来顺序生成的延迟,并为输出 token 施加因果顺序。我们将视觉定位视为视觉证据提取:物体、位置和空间关系共同受到图像与查询的约束,但它们之间的依赖关系并不意味着生成过程必须从左到右进行。这一区别使双向扩散成为自然的选择,让空间假设能够并行产生,并通过迭代去噪共同细化。
356
 
357
- 我们提出 **GroundAnything**,一个拥有 4B 参数的视觉定位基础模型,通过分块去噪兼顾快速并行解码与精确定位。在 30 个视觉定位基准上,自回归版本 **GroundAnything-VLM** 以 **72.42%** 的综合表现刷新了同等规模模型的最佳水平,并与 GPT-6 Astra(**71.35%**)保持竞争力。采用**熵引导解码**的 GroundAnything 同样超越了这一规模下此前的最佳水平,平均达到 **61.75%**,高于基于 MTP 的快速模型 LocateAnything 的 **53.32%**。
358
 
359
  在论文报告的运行配置下,可选的**自推测模式**相较自回归版本实现了 **4.51× 加速**,同时 **COCO F1mIoU 下降 0.74 个百分点**。基础设施实验表明,逐步优化推理实现能够将并行解码转化为实际加速,为对延迟敏感的实际系统提供高效的视觉定位能力。
360
 
 
354
 
355
  自回归(AR)视觉定位模型将空间预测串行化,带来顺序生成的延迟,并为输出 token 施加因果顺序。我们将视觉定位视为视觉证据提取:物体、位置和空间关系共同受到图像与查询的约束,但它们之间的依赖关系并不意味着生成过程必须从左到右进行。这一区别使双向扩散成为自然的选择,让空间假设能够并行产生,并通过迭代去噪共同细化。
356
 
357
+ 我们提出 <strong>GroundAnything</strong>,一个拥有 4B 参数的视觉定位基础模型,通过分块去噪兼顾快速并行解码与精确定位。在 30 个视觉定位基准上,自回归版本 <strong>GroundAnything-VLM</strong> 以 <strong>72.42%</strong> 的综合表现刷新了同等规模模型的最佳水平,并与 GPT-6 Astra(<strong>71.35%</strong>)保持竞争力。采用<strong>熵引导解码</strong>的 GroundAnything 同样超越了这一规模下此前的最佳水平,平均达到 <strong>61.75%</strong>,高于基于 MTP 的快速模型 LocateAnything 的 <strong>53.32%</strong>。
358
 
359
  在论文报告的运行配置下,可选的**自推测模式**相较自回归版本实现了 **4.51× 加速**,同时 **COCO F1mIoU 下降 0.74 个百分点**。基础设施实验表明,逐步优化推理实现能够将并行解码转化为实际加速,为对延迟敏感的实际系统提供高效的视觉定位能力。
360
 
checksums.sha256 CHANGED
@@ -24,5 +24,5 @@ cfc7749b96f63bd31c3c42b5c471bf756814053e847c10f3eb003417bc523d30 LICENSE-Apache
24
  cddaec9f528f9ebf5ac627850eefcb3f14ee55e168776a1b650f91353ce8293e assets/demo.mp4
25
  3c282238bb1598093c078e57dcc1db4b3ce8fb1f39db6c09ca90e0686f1043a2 assets/demo-poster.jpg
26
  e0f0bbfa420324807403cfffe5ce664a33675c4e569de71b82cac7fb3b750f3e assets/fig1-teaser.png
27
- 670e6ba79f9a063968e255c80c58883a9d326259558093252006b00cd11fe5b7 README.md
28
  5ef0abc7d34eca644c1cdac26dd9a3b9c0204f03137827c6475afa2648420304 assets/modelscope-logo.svg
 
24
  cddaec9f528f9ebf5ac627850eefcb3f14ee55e168776a1b650f91353ce8293e assets/demo.mp4
25
  3c282238bb1598093c078e57dcc1db4b3ce8fb1f39db6c09ca90e0686f1043a2 assets/demo-poster.jpg
26
  e0f0bbfa420324807403cfffe5ce664a33675c4e569de71b82cac7fb3b750f3e assets/fig1-teaser.png
27
+ 989680a3f197ead245642d692ec23c86d0fdccff842b1b1f830b3869d05c9f75 README.md
28
  5ef0abc7d34eca644c1cdac26dd9a3b9c0204f03137827c6475afa2648420304 assets/modelscope-logo.svg