Jun, 2023

基于情境的场景理解

TL;DR探索了一种简单的机制,即通过从带注释的特征提示中进行最近邻检索的上下文学习,并提出了一种新的预训练协议,利用图像内部和跨图像的注意力,使得Hummingbird模型在不修改的情况下能够执行各种场景理解任务,同时接近于为每个任务进行微调的专家的性能,并且可以更高效地配置Hummingbird模型以执行新任务,进一步提高了交互式助手模式下的场景理解的可能性。