ms-coco | BriefGPT - AI 论文速递

关键词ms-coco

搜索结果 - 9

基于排序和 LLM 融合的图像标注描述性改进
本文提出了一种将 SoTA 模型生成的不同字幕进行有效融合的新方法，通过使用图像文本度量来排名模型生成的字幕，然后使用大语言模型（LLM）融合前两个字幕，实验结果表明，我们的方法可以增强字幕的质量和吸引力，缩小了自动化系统与人类生成的描述之
PDFa year ago
粗糙更好？一种利用未筛选图片自监督学习的新管线
该研究提出了一种新的场景图像自监督学习（SSL）流水线，可以成功地从未被筛选过的场景数据集（如 MS-COCO）中学习高质量的视觉表示，并且不需要依赖于外部的以物体为中心的数据集，从而更好地应用到非对比性 SSL 方法中。
PDFa year ago
弱监督语义分割问题的分段任意模型（SAM）的实证研究：WSSS 的替代方案？
本文介绍将 SAM 应用于弱监督语义分割，作为伪标签生成流程的方法，在 PASCAL VOC 和 MS-COCO 数据集上取得了显著的改进。
PDFa year ago
CVPR基于语义引导的场景图扩展图像超出边界
本文提出一种基于场景图转换器的理解和完成图像语义的方法，使用图上的节点和边缘特征进行建模，并采用节点和边缘级别的特征注意力机制，通过 MS-COCO 和 Visual Genome 数据集的实验证明这一模型的有效性及场景图扩展和完感布局转换
PDF2 years ago
CFA：基于约束的微调方法用于泛化小样本目标检测
通过约束微调方法（CFA）和基于平均梯度情景记忆（A-GEM）的连续学习方法，我们提出了一种深度学习算法，名为 G-FSOD，用于在有限数据情况下检测新类别的对象，避免了严重的遗忘问题，实现针对测试任务的更佳知识交换。
PDF2 years ago
使用分层视觉语言知识蒸馏进行开放词汇单阶段检测
本文提出了一种层次化的视觉 - 语言知识蒸馏方法 (HierKD) 用于开放词汇的单阶检测，该方法探索全局级别的知识蒸馏来传递来自预训练视觉语言模型的未知类别的知识到检测器，并将全局级别知识蒸馏和常见的实例级别知识蒸馏相结合，从而同时学习已
PDF2 years ago
ECCVPoseur：基于 Transformer 的直接人体姿势回归
提出了一种基于 Transformer 网络的 2D 人体姿势估计方法，直接将图像转换为坐标进行回归预测，并利用自适应注意力机制来提高关键点坐标预测精度，实现了在 MS-COCO 数据集上超越同类方法的目标。
PDF2 years ago
自动编码场景图像生成图像描述
本文提出了场景图自编码器（SGAE），将语言归纳偏差纳入编码器 - 解码器图像字幕框架，以获得更加人性化的字幕。作者使用场景图将图像和句子的复杂结构布局表示，并使用共享字典将感性偏差在视觉语言领域之间传递。实验结果表明，在 MS-COCO
PDF6 years ago
ICCV超越平面对称性：模拟野外环境下人类对反射和旋转对称性的感知
本论文介绍了 Sym-NET，这是第一个用于检测深度学习神经网络的反射和旋转对称性的模型，在人类感知的对称性、基于图像的计算机视觉竞赛中获得了最佳表现。
PDF7 years ago