visual-recognition

这条推文对 Gemini 3.6 Flash 和 Gemini 3.5 Flash Lite 在文档理解方面进行了基准测试，发现虽然 Flash 系列最初在视觉理解方面表现出色，但最新版本由于针对编码和推理进行了后期训练，性能已趋于平稳甚至有所退步。

有人用Fable 5搭建了一套获客系统，通过视觉识别、卫星数据和渲染技术为装修承包商生成带遮阳棚效果的明信片，每单报价6500到1.8万美元。

MC-RFM提出了一种新颖的黎曼流匹配框架，用于小样本自适应，该框架在结合双曲空间和欧几里得空间的混合曲率流形上建模特征位移，在多个视觉识别基准上优于现有方法。