#视觉基元
共 2 篇相关文章
·16 分钟
DeepSeek神秘撤稿论文：用视觉基元突破AI多模态推理瓶颈
DeepSeek一篇名为《Thinking with Visual Primitives》的论文上线仅4小时即被撤下。论文提出用边界框与点作为视觉推理基元，让模型在思考时直接"指向"图像，在迷宫导航、路径追踪、细粒度计数等任务上大幅超越GPT、Gemini和Claude，为多模态AI推理开辟新方向。
阅读全文 →
·17 分钟
3D可视化揭秘：LeNet-5如何识别手写数字
通过VRML+Python技术栈构建LeNet-5卷积神经网络的3D可视化演示，直观展示MNIST手写数字识别的完整推理过程，从输入层到输出层逐步揭开CNN黑箱。
阅读全文 →