云从科技提出视觉-语言跟踪大一统模型，刷新4项世界纪录

鞭牛士 8月8日消息，云从科技官方微信公众号发文称，近日，作为多媒体领域唯一CCF A类顶级国际人工智能学术会议ACM MM 2023公布了论文接收名单，云从科技及联合研究团队的论文《All in One: Exploring Unified Vision-Language Tracking with Multi-Modal Alignment》成功入选。

All-in-One模型首次实现了视觉-语言跟踪网络结构与学习范式的大一统，摒弃了复杂的融合模块，实现了更加高效的多模态跟踪框架。All-in-One在4个富有挑战性的数据集（TNL2K, LaSOT, LaSOTExt, WebUAV-3M）上刷新了四项世界纪录，并在OTB99-L数据集上使用单模型达到了多模型效果，这是云从科技从容大模型在多模态方面的又一次技术突破。