“定位出图中可能对视障人士行走造成危险的物体。”在接收到任务后，VLM-R1就用红框框出了这段台阶，并给出了自己的思考过程：图片中有一个台阶；这个台阶位于人行道上，靠近人行道的一侧；这个台阶可能对盲人行走造成危险，因为盲人可能无法看到这个台阶，从而可能发生意外……VLM-R1能在街景照片中准确找到会给视障...
“你可以把VLM-R1简单理解成‘视觉版DeepSeek’，它不仅会看，还很擅长思考，会举一反三。”项目带头人、浙江大学滨江研究院Om AI Lab人工智能中心主任、博士生导师赵天成博士倍感惊喜地说，“一天涨十几个星标比较常见，能收获几百个星标已经算是全球顶尖了；像VLM-R1这样一夜之间暴增上千关注的，前所未见！”...
具体来说，借助 R1 大模型的强推理能力，比亚迪将能在座舱端更好地理解用户的模糊意图和隐性需求，提供更加精准和个性化的服务，开启智能座舱新时代。而在智能驾驶系统中，云端 VLM 大模型利用 DeepSeek 强劲的知识和推理能力，则可以大幅提升自动化数据生成的效率和质量，解决更多长尾场景的瓶颈问题。在车端模型上，...
VLM-R1 是浙江大学 Om AI Lab 开发的一款基于强化学习技术的视觉语言模型,旨在通过自然语言指令精确定位图像中的目标物体。例如,用户可以通过描述“图中红色的杯子”来让模型找到对应的图像区域。该模型基于Qwen2.5-VL架构,结合了DeepSeek R1的强化学习方法,通过强化学习优化和监督微调(SFT)提升了模型的稳定性和泛化能...
这个项目的灵感来自去年 DeepSeek 开源的那个 R1 方法，靠着 GRPO（Generative Reward Processing Optimization）强化学习方法，在纯文本大模型上取得了惊人的效果。现在，VLM-R1 团队直接把它应用到了视觉语言模型上，打开了一扇新的大门！VLM-R1 验证结果惊艳 这个项目的团队在 Qwen2.5-VL 的基础上，同时对比了 ...
DeepSeek 的爆火，为 LLM、VLM/VLA 与自动驾驶行业的融合按下了加速键。魔视智能 MOTOVIS 作为自动驾驶智驾方案供应商，在这一变革浪潮中，对 DeepSeek 和自动驾驶的结合有着深刻的理解与实践。在数据治理方面，魔视智能 MOTOVIS 已率先运用多模态大语言模型，为数据挖掘赋予了新的活力。借鉴 R1 的强化学习思路，...
联汇科技将DeepSeek R1从文本模型迁移到视觉语言领域 36氪获悉，大模型公司联汇科技宣布，赵天成博士带领Om AI Lab团队成功把DeepSeek R1从纯文本领域成功迁移到了视觉语言领域。据介绍，该模型为VLM-R1视觉语言模型，已经具备精确的视频理解和推理能力，证实了R1方法的通用性，为多模态模型的训练打开了想象空间。
这个项目的灵感来自去年 DeepSeek 开源的那个 R1 方法,靠着 GRPO(Generative Reward Processing Optimization)强化学习方法,在纯文本大模型上取得了惊人的效果。 现在,VLM-R1 团队直接把它应用到了视觉语言模型上,打开了一扇新的大门! VLM-R1 验证结果惊艳 ...
最近,一个来自杭州的研究团队将这一设想变为了现实——新的人工智能项目将DeepSeek-R1的训练方法从纯文本领域迁移到视觉语言领域,为多模态大模型带来更广阔的想象空间。 在全球最大的代码托管与协作平台GitHub上,这款名为VLM-R1的全新开源项目,上线仅一周,就获得各国开发者给出的2000多个星标收藏,并迅速登上平台热...
这个项目的灵感来自去年 DeepSeek 开源的那个 R1 方法,靠着 GRPO(Group Relative Policy Optimization)强化学习方法,在纯文本大模型上取得了惊人的效果。 VLM-R1是将DeepSeek 的 R1 方法从纯文本领域成功迁移到了视觉语言领域,这意味着打开了对于多模态领域的想象空间!