騰訊AI實驗室與香港中文大學團隊合作研發出UniRepLKNet，基於大核CNN的多模態模型，旨在挑戰Transformer在多模態領域的統治地位。該模型在處理點雲、音訊和視訊資料等方面表現出色，其優勢在於無需改變模型結構即可適應不同的資料類型。 UniRepLKNet在ImageNet、COCO和ADE20K等基準測試中均超越了Transformer模型，證明了大核CNN在多模態應用中的巨大潛力，為多模態研究提供了新的方向和思路。
騰訊AI實驗室與香港中文團隊合作推出UniRepLKNet，挑戰Transformer在多模態領域的主導地位。這個大核心CNN架構在點雲、音訊、視訊等任務上表現出色，無需改變模型結構。 UniRepLKNet在ImageNet、COCO、ADE20K等任務中超越了Transformer，展示了大核CNN在多模態應用中的潛力。
UniRepLKNet的成功表明，大核心CNN架構在多模態任務中具有競爭力，為未來多模態模型的設計提供了新的思路。其無需改變模型結構的特性也簡化了模型應用，並提高了開發效率。 這項研究成果為人工智慧領域的多模態研究帶來了新的突破，值得進一步關注和深入研究。