苹果新模型4M-21，一款能处理21种模态的多任务视觉模型

EPFL和苹果的研究者合作创建了一款单一模型4M-21，能处理21种模态和数十种任务，打破了现有多模态模型的局限。该模型通过特定模态的离散tokenization进行训练，实现了任意到任意模态的转换，增强了多模态生成、检索和任务执行能力，且在各种视觉任务和迁移实验中表现出色。
来源：https://mp.weixin.qq.com/s/OI4bAYrxATFP20BFrlqSog