蘋果和瑞士洛桑聯邦理工學院的研究人員聯合開源了一款名爲4M-21的大規模多模態視覺模型。與其他專門針對特定任務或數據類型進行優化的模型不同，4M-21具有廣泛的通用性和靈活性。儘管只有30億參數，但它可以提供圖像分類、目標檢測、語義分割、實例分割、深度估計、表面法線估計等數十種功能。
蘋果和瑞士洛桑聯邦理工學院（EPFL）的研究人員聯合開發了一種任意到任意模態的單一模型，可以在數十種高度多樣化的模態上進行訓練，並對大規模多模態數據集和文本語料庫進行協同訓練。該模型被命名爲4M-21，它在21種不同的模態下進行訓練，比現有的模型至少完成3倍以上的任務，並且不會損失性能。
EPFL-VILAB
4M是一個通過標記化與掩碼技術實現多模態擴展的'任意到任意'基礎模型訓練框架
4M是一個通過標記化與掩碼技術擴展至多種模態的'任意到任意'基礎模型訓練框架
4M是一個訓練'任意到任意'多模態基礎模型的框架，通過標記化和掩碼技術擴展到多種不同模態。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
