GroundAnything视觉定位基础模型论文发布

2026年10月19日，arXiv Robotics 刊出 Qize Yu 等作者的论文，提出名为 GroundAnything 的视觉定位基础模型。据该论文介绍，GroundAnything 为 4B 参数模型，通过分块去噪（blockwise denoising）让空间假设并行生成并迭代精修，从而兼顾快速并行解码与精确定位。报道称其以“Flash 速度”实现并行解码与精确视觉定位。目前公开信息集中于论文发布与模型方法本身，尚无后续跟进报道披露评测结果、开源情况或实际应用进展。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。