文章链接：https:arxiv.orgpdf2506.05302项目地址：https:perceiveanything.github.io亮点直击PAM（PerceiveAnythingModel），一种端到端的区域级视觉语言模型，旨在实现图像和视频中快速、全面、细粒度的视觉理解。SemanticPerceiver（语义感知器）的组件，有效利用SAM2主干网络中的中间视觉特征，将通用视觉信息、定 ...