模型
Vision model（视觉模型）
Vision model 是专门处理图像和视频等视觉数据的AI模型，能够进行图像分类、目标检测、分割等任务，解决计算机视觉中的感知问题。典型应用包括人脸识别、自动驾驶、医学影像分析，代表工作有ResNet、ViT、CLIP等。
详细解释
Vision model 基于深度神经网络，尤其是卷积神经网络（CNN）和视觉Transformer（ViT），从像素中提取特征并完成预测。早期模型如AlexNet在ImageNet竞赛中取得突破，后续ResNet引入残差连接，ViT将Transformer应用于图像。近年来，多模态模型如CLIP将视觉与语言对齐，实现零样本分类。这些模型广泛应用于安防、医疗、工业检测等领域。
别名与相关写法
vision model
相关术语
Jev共现 2 篇
相关资讯
面向LLM的单函数Jev式封装，含视觉模型2026/9/26
Show HN：Jev Cards 看图问答挑战视觉模型2026/10/20