Vision-Language Model

深度分析

Falcon Perception：以混合注意力的早期融合 Transformer 提升開放詞彙分割效能

面對傳統視覺感知系統模組化管線過於複雜且難以擴展的挑戰，TII 推出 Falcon Perception 視覺模型。該模型採用早期融合 Transformer 架構，將影像與文字同序列處理，並透過混合注意力遮罩與結構化介面實現精準分割。實驗結果顯示其在 SA-Co 基準測試中優於 SAM 3，特別是在空間推理與 OCR 導向識別上表現亮眼，證明單一模型路徑在感知任務上的高效能。