VITRON

VITRON是由Skywork AI、新加坡国立大学和南洋理工大学合作开发的像素级视觉大型语言模型（LLM）。该模型能够全面解析并处理静态图像和动态视频，支持图像和视频的理解、生成、分割以及编辑等任务。VITRON采用前端视觉编码器与后端视觉专家系统的组合架构，通过混合方法传递信息，结合离散文本指令和连续信号嵌入，确保功能调用的准确性，并通过跨任务协同模块优化任务间的协作效率。