TIIのFalcon Perception：レイヤー0から視覚と言語を融合する6億パラメータTransformer
画像パッチとテキストトークンが初層で融合—レゴブロック式視覚モデルに別れを告げる。TIIのFalcon Perceptionは、単一スタックでモジュラー巨人を凌駕できることを証明した。
⚡ Key Takeaways
- Falcon Perceptionの早期融合Transformerはレイヤー0から視覚と言語処理を統一し、モジュラーのボトルネックを排除。
- PBenchベンチマークでセマンティック複雑度（例：スペシャル+21.9ポイント）でSAM 3を大幅に上回る。
- Muon、FlexAttention、685GTトレーニングなどの最適化で、デンスな実世界パープセプションへの効率スケーリングを実現。
Worth sharing?
Get the best AI stories of the week in your inbox — no noise, no spam.
Originally reported by MarkTechPost
