Технический блог Jev и ранний доступ
В конце треда Диого есть ссылки на официальный технический блог и вход в ранний доступ для дальнейшего чтения.
Мультимодальный прототип JEV, обученный на CUB-200-2011 с backbone Qwen2.5-VL, отвечает на вопросы по изображениям с вероятностями вариантов и ограничивающими рамками за ~0,4 с на изображение.
Built a multimodal JEV prototype that answers image questions with option probabilities and bounding boxes. Trained on CUB-200-2011 with Qwen2.5-VL backbone (0.4s/image) https://github.com/tin-xai/multimodal-jev-grounding…