Sa2VA

Les Pixel LLMs constituent une famille de projets qui apportent une compréhension ancrée et dense au niveau des pixels pour les LLMs multimodaux. Il est ancré par Sa2VA – un modèle unifié qui associe SAM-2 avec des MLLMs pour une compréhension dense et ancrée des images et des vidéos – ainsi qu'un ensemble croissant de projets de recherche construits dessus.