细粒度视觉理解

DeepSeek通过Janus-Pro和DeepSeek-VL等多模态模型在GenEval基准测试中表现出色，并提出解决细粒度视觉识别能力缺失的解决方案。它采用了数据原子化、知识蒸馏、动态注意力机制以及可控生成引擎等技术手段，推动了多模态学习范式的系统性变革。