PerceptionDLM

该模型建立在 PerceptionDLM-Base 之上，结合视觉编码器和离散扩散语言模型骨干。高效并行提示将多个区域掩码打包进单个提示中，而结构化注意力掩码则在共享全局图像上下文的同时隔离每个区域的生成流。

PerceptionDLM 适用于密集视觉感知、多区域描述，以及需要快速生成大量局部描述的系统。项目发布了代码、模型权重、训练数据和 ParaDLC-Bench，用于评估并行细粒度局部描述能力。