image-caption pairs | BriefGPT

关键词image-caption pairs

搜索结果 - 6

视觉字幕恢复
我们介绍了一种名为 Visual Caption Restoration（VCR）的新颖视觉 - 语言任务，该任务要求模型使用图像中的像素级提示准确恢复部分被遮挡的文本。我们开发了一个流程来生成用于 VCR 任务的合成图像，并构建了一个名为
PDFa month ago
读取、查看和检测：从图像 - 标题对中标注边界框
本文提出一种使用图像标题对来进行弱监督的目标检测和短语定位的方法，并利用视觉语言（VL）模型和自监督视觉变压器（ViTs）进行实验，取得了较好的结果。
PDFa year ago
CVPRNLX-GPT：用于图像和视觉语言任务的自然语言解释模型
NLX-GPT 是一个同时能够预测并解释结果的通用、紧凑且准确的自然语言解释模型，能更好地评估困难数据和无标签的交互式自评估攻击。
PDF2 years ago
ICCV谁是沃尔多？链接文本和图像中的人物
我们提出了一个任务和基准数据集，用于个体中心的视觉定位，这个问题是将标题中命名的人物与图像中出现的人物联系起来。为了鼓励方法关注上下文线索（如多个人之间的丰富互动），而不是学习名称和外观之间的关联，我们的新任务遮盖了标题中的人名。为了促进这
PDF3 years ago
ICCVAlign2Ground: 基于图像 - 字幕对准的弱监督短语对齐
使用图像字幕对弱监督进行自由文本短语连接的问题展开研究，提出了一种新颖的端到端模型，并使用字幕到图像检索作为 “下游” 任务来指导短语定位的过程。
PDF5 years ago
EMNLP混乱的图片和标题排序故事
给定图像与描述文本，使用排序方法对其进行一致性的故事串联。通过多种方法设计组合模型，使用了基于文本和图像特征的成分。模型具备了学会了时间共识的有趣方面的能力。
PDF8 years ago