基于深度卷积神经网络的 ImageNet 分类
ImageNet Classification with Deep Convolutional Neural Networks
深度卷积网络将数据、GPU 计算与表示学习结合，为现代视觉研究提供了重要起点。
THE RESEARCH ATLAS
Nano Banana 2.1 模型卡
官方图文模型资料，包含输入输出、架构依赖及安全评估。
Nano Banana 2.1 — Model Card
为什么值得读
将已披露的能力限制与图像生成的实际使用场景对照。
引用
@misc{deepmind2026nano,
title = {Nano Banana 2.1 — Model Card},
author = {Google DeepMind},
year = {2026},
url = {https://deepmind.google/models/model-cards/nano-banana-2-1/}
}论文与代码版权归原作者；引用及许可请以原始来源为准。
相关研究
去噪扩散概率模型
Denoising Diffusion Probabilistic Models
模型学习逐步反转加噪过程，为图像生成建立了重要的扩散建模路线。
从自然语言监督中学习可迁移的视觉模型
Learning Transferable Visual Models From Natural Language Supervision
通过对比学习对齐图像与自然语言描述，使视觉表示能够迁移到新类别。