多模态大模型首次实现像素级推理！3B参数超越72B传统模型，NeurIPS 2025收录

香港理工大学与腾讯ARC Lab推出首个支持像素级推理的统一多模态大模型UniPixel，集成目标指代、分割与区域推理三大功能。该模型通过引入对象记忆体、统一视觉提示编码及掩码引导推理机制，在ReVOS等10项基准测试中超越现有方法，其中ReVOS得分达62.1 J&F，并在新提出的PixelQA任务中表现优于72B级模型。基于约100万样本训练，支持图像与视频多模态交互，论文已被NeurIPS 2025接收，且代码、数据与Demo全面开源。
来源：https://mp.weixin.qq.com/s/3cO8zmjc355aBxirr70U0g