Ferret是苹果推出的一种新型多模态大型语言模型（MLLM），在图像理解和语言处理方面表现出色，特别在理解空间引用方面具有显著优势。

主要特点和功能：

  • 引用和关联：Ferret可以引用和关联任何地方的任何内容，无论粒度大小。
  • 多模态能力：该模型在图像理解和语言处理方面取得了显著的突破，能够同时处理多种模态的信息。
  • 空间引用理解：Ferret在理解空间引用方面表现出明显优势，能够准确理解和解释与空间相关的语义。
  • 开源项目：Ferret是一个开源项目，可以在GitHub上获取源代码。

访问链接: https://arxiv.org/abs/2310.07704