【AiBase提要:】小型语言模型（SLM）已经出现，成本效益和可持续发展的考虑将加速这一趋势。
Meta的论文地址:https://ai.meta.com/static-resource/image-decoding
新鲜AI产品点击了解：https://top.aibase.com/
该编码器具有多项功能。首先，它能够增强视觉感知能力，通过提供额外的视觉编码器，使MLLM能够更好地理解和分析图像内容。其次，VCoder能够处理特殊类型的图像，例如分割图和深度图。分割图能够帮助模型识别和理解图像中不同物体的边界和形状，而深度图则提供了物体距离相机远近的信息。最后，VCoder改善了对象感知任务的表现。通过提供额外的感知模态输入，如分割图或深度图，它显著提高了MLLM的对象感知能力，包括更准确地识别和计数图像中的对象。