large-scale dataset | BriefGPT

关键词large-scale dataset

搜索结果 - 107

FT-AED：早期高速公路交通异常事件检测基准数据集
这篇论文介绍了一种大规模的高速公路交通数据集，用于异常检测，利用深度学习模型可以提高事故报告准确性和减少延迟。
PDF11 days ago
MantisScore：为视频生成构建自动评价指标以模拟细粒度人类反馈
本文介绍了一个基于 VideoFeedback 数据集的 MantisScore 方法，该方法在自动生成的视频质量评估方面表现出较高的相关性，可作为人类评级者的一个良好代理，用于跟踪不同视频模型的进展，并在强化学习等领域中模拟精细的人类反馈
PDF11 days ago
XLand-100B：大规模多任务数据集用于背景强化学习
通过构建 XLand-100B 数据集，该研究致力于解决在大规模环境中进行上下文强化学习时所面临的挑战，为进一步扩展和民主化该领域的研究提供坚实的基础。
PDF19 days ago
ReCon1M: 一个大规模用于远程感知图像关系理解的基准数据集
在本研究中，我们介绍了第一个公开可用的大规模、百万级别关系数据集，名为 ReCon1M，用于遥感图像领域。该数据集建立在 Fair1M 的基础上，包括 21,392 张图像，859,751 个不同类别的目标边界框的注释，以及基于这些边界框的
PDF22 days ago
使用扩散模型合成高效的数据进行个体重新识别预训练
提出了一种新的 Diffusion-ReID 范例，通过生成和过滤阶段来有效增强和生成不同的图像，首先创造了一个新的大规模人员重识别数据集 Diff-Person，接着构建了一个基于 Diff-Person 预训练的更强大的人员重识别模型，
PDF22 days ago
基因 - 关联分析回溯：一个大型多模态多领域的根本原因分析数据集
通过引入 LEMMA-RCA 这一大型数据集，本研究为不同领域和模态的根本原因分析任务提供了大规模、开源的数据集，从 IT 和 OT 操作系统中选择了各种实际故障情景，并涵盖微服务、供水分配以及水处理系统，在这些系统中涉及了数百个实体。通过
PDF24 days ago
3D-GRAND: 为 3D-LLMs 提供更好的定位和更少的幻觉
通过引入具有 40,087 个家庭场景和 6.2 百万个密集绑定的场景语言指令的 3D-GRAND，本文展示了对 3D-LLMs 中的指令调优在地面设置和降低幻觉方面的显著增强。另外，该文还提出了一个全面的基准测试 3D-POPE，以系统地
PDF25 days ago
复杂时间问题回答的大规模数据集：ComplexTempQA
我们介绍了 ComplexTempQA，这是一个大规模数据集，包含超过 1 亿个问题 - 答案对，旨在解决时间问题回答中的挑战。ComplexTempQA 在规模和范围上明显超越了现有的基准，如 HOTPOTQA、TORQUE 和 TEQU
PDF25 days ago
EgoSurgery-Tool：一份来自视角内开放手术视频的手术工具和手部检测数据集
本研究介绍了 EgoSurgery-Tool 数据集，其中包含 49K 个手术工具边界框和 46K 个手边界框的注释，侧重于手术工具和手的检测以实现对头戴式摄像头记录的自我中心开放式手术活动的理解。
PDFa month ago
CoCoGesture: 在自然环境中实现一致的共同话语 3D 手势生成
我们提出了 CoCoGesture，这是一个能够从未见过的人类语音提示中实现生动多样的手势合成的新框架，通过大规模数据集和预训练模型的优化，在零样本语音转手势生成上表现优于现有方法。
PDFa month ago
无人机视觉定位的大规模数据集：UAV-VisLoc
为解决无人机视觉定位问题，本文提出了一个大规模数据集 UAV-VisLoc，其中包含了来自中国 11 个地点的多种类型无人机图像和卫星地图，以支持模型的训练和测试。
PDFa month ago
课程数据蒸馏
本论文提出了一个基于课程设置的数据集蒸馏框架，通过将从简单到复杂的课程进行逐步蒸馏，合理处理合成图像的生成和评估，进一步利用对抗优化改进图像的代表性，提高其在不同神经网络体系结构下的泛化能力和抗噪性，实现了大规模数据集蒸馏的新突破。
PDF2 months ago
大规模视频对象分割中的全局动作理解
通过在动态视频的对象分割中集成场景全局运动知识，我们展示了从其他领域的视频理解中转移知识并结合大规模学习可以提高复杂环境下的鲁棒性。我们提出了一种半监督视频对象分割架构，利用运动理解中的现有知识进行更平滑的传播和更准确的匹配。同时，我们使用
PDF2 months ago
学习通过首先移除图像对象来添加图像对象的绘画
通过利用分割蒙版数据集和在蒙版内修复的修复模型，我们可以实现自动逆向修复过程，将对象添加到图像中，在没有用户提供的输入蒙版的情况下，提供了一种无缝地根据文本指令添加对象的方法。
PDF2 months ago
高清 X 射线图像的预训练实验研究
本文提出了首个高清（1280×1280）X 射线预训练视觉模型，采用了大规模数据集和自动编码器框架，引入了一种新颖的上下文感知遮蔽策略，验证了模型在 X 射线报告生成和疾病识别等下游任务上的有效性。
PDF2 months ago
逼真车牌去模糊数据集和模型
教育部颁布的第 xxxx 号文件的要求：高校要强化学生思想政治教育，增强学生的理论素养，提高学生的科学素养等。
PDF2 months ago
OV9D：开放词汇类别级别 9D 物体姿态和尺寸估计
研究一种新的开放问题，即开放词汇类别级别的对象姿态和尺寸估计。介绍了一个基于预训练模型构建的框架，利用大规模数据集进行训练，并在各种文本描述的情况下实现了广泛推广。
PDF3 months ago
长期框架 - 事件视觉跟踪：基准数据集和基线
提出了一个新的长期和大规模帧事件单目标跟踪数据集（FELT），该数据集包含 742 个视频和 1,594,474 个 RGB 帧和事件流对，已成为迄今为止最大的帧事件跟踪数据集。通过引入现代 Hopfield 层到多头自注意力块中的联想记忆
PDF4 months ago
最佳问题询问：将大型语言模型与检索器在对话式搜索中的偏好进行对齐
通过 RetPO 框架，使用 Retrievers' Feedback 构建了一个大规模数据集，属于对话语境下的问题重述，并通过该数据集对较小的语言模型进行了微调，从而在两个最新的对话式搜索基准测试中实现了最新、显著超越包括 GPT-3.5
PDF4 months ago
ParaHome: 参数化日常家庭活动的人物物体互动的三维生成建模
通过 ParaHome 系统，我们收集了一个大规模的数据集，其中包含了人物与物体的三维动作，旨在构建一个用于学习和合成真实房间环境中的人物与物体互动的生成模型。
PDF5 months ago