YOLOE 是一个零样本目标检测模型，能够实时检测视觉场景中的各种物体。

AIMv2是一个采用多模态自回归目标预训练的视觉模型系列，在多项多模态理解基准测试中表现优异。

AIMv2是通过多模态自回归目标预训练的视觉模型系列，在多个视觉理解基准测试中表现优异。

AIMv2 是通过多模态自回归目标预训练的视觉模型系列，在多个视觉理解基准测试中表现优异。

AIMv2是基于多模态自回归目标预训练的视觉模型系列，在多项视觉任务中表现优异。

AIMv2 是通过多模态自回归目标预训练的视觉模型系列，在多项视觉任务中表现优异。

ViTamin-XL-256px是基于ViTamin架构的视觉语言模型，专为高效视觉特征提取和多模态任务设计，支持高分辨率图像处理。