Google DeepMind: Vision Banana übertrifft SAM 3 und Depth Anything V3

Warum es zählt

Vision Banana zeigt, dass Generierungs-Pretraining als starkes Fundament für Perception-Tasks wie Segmentierung und Tiefenschätzung dienen kann – ein potenzieller Paradigmenwechsel für Computer-Vision-Pipelines, der spezialisierte Modelle überflüssig machen könnte.

— Lumeric Redaktion

Google DeepMind stellt Vision Banana vor, einen instruction-tuned Bildgenerator, der bei Segmentierung SAM 3 und bei metrischer Tiefenschätzung Depth Anything V3 übertrifft. Das Modell nutzt Bildgenerations-Pretraining als universelle Vision-Grundlage.

Quelle lesenmarktechpost.com

Foundation Modelle Multimodal Evals Benchmarks