BriefGPT.xyz
大模型
Ask
alpha
关键词
dense downstream tasks
搜索结果 - 2
LiFT: 一个令人惊讶的简单轻量级特征转换用于稠密 ViT 描述符
我们提出了一种简单的自监督方法来提高 ViT 特征在密集下游任务中的性能,通过应用 LiFT 后处理网络,可以提升任何经过预训练的 ViT 主干的特征。LiFT 在自监督目标下训练快速简便,并且在最小额外推理成本下增加了 ViT 特征的密度
→
PDF
3 months ago
时间不会欺骗:稠密图像特征的自监督时间调整
本研究提出了一种名为时间调谐的方法,通过在无标签视频上使用一种新颖的自监督时序对齐聚类损失函数,从而提高视频和图像的表示质量,进而改善了现有最先进方法在无监督语义分割方面的效果。我们相信这种方法为进一步利用丰富的视频资源进行自监督学习的规模
→
PDF
10 months ago
Prev
Next