multi-modal prompts | BriefGPT

关键词multi-modal prompts

搜索结果 - 7

EMMA: 您的文本到图像扩散模型可秘密接受多模态提示
EMMA 是一个创新的图像生成模型，通过多模态特征连接器设计将文本与其他模态信息有效地整合，以实现个性化和情境感知图像和视频的生成。EMMA 模块的学习和组装使其成为一种灵活且有效的解决方案，用于高保真度和详细程度较高的多模态条件图像生成任
PDF23 days ago
IJCAI为什么只用文本：用多模态提示增强视觉与语言导航
Vision-and-Language Navigation with Multi-modal Prompts (VLN-MP) integrates natural language and images in instructions,
PDFa month ago
WorldDreamer：面向通用视频生成的世界模型预测屏蔽标记
WorldDreamer 是一个创新的全球模型，通过将视觉输入映射为离散标记并预测掩码标记，将世界建模作为无监督的视觉序列建模挑战，实现对一般世界物理和运动的全面理解，并在视频生成方面具有卓越的性能。
PDF6 months ago
理解预训练的视觉语言模型的多模态提示
通过对多模态提示的直接分析，我们发现多模态提示主要通过引入可学习的偏差项来改进预训练模型在相应数据集上的识别性能，从而提出了偏差调优的方法，并证明了该方法在数据集分类信息有限的情况下较多模态提示具有更好的效果。
PDF7 months ago
MMICL: 视觉语言模型的多模态上下文学习
通过考虑模型和数据的角度，提出了 MMICL 去解决图像与文本交叉多模态提示的问题，通过无需训练的数据更好地适应用户真实应用中复杂的提示，其中包括多模态上下文与交叉的图像和文本、每个图像的文本参考以及具有空间、逻辑或时间关系的多图像数据。在
PDF10 months ago
CVPRCVPR2023 视觉异常和新颖性检测挑战的获胜解决方案：以数据为中心的多模态提示异常检测
该技术报告介绍了 Segment Any Anomaly 团队在 CVPR2023 视觉异常和新颖性检测（VAND）挑战赛中获胜的解决方案。该解决方案使用多模态提示进行无监督异常分割，并以基础模型为零样本下分割任务的先验知识的正则化，实
PDFa year ago
利用大型语言模型修复 Python 作业中的错误
使用 Codex 这样的大型编程语言模型，在多模式提示、迭代式查询、基于测试用例的少样本选择和程序块组合的帮助下，构建了一个自动编程修复 (MMAPR) 系统来解决学生在 Python 编程课程中常见的语法和语义错误问题，并与已有基线方案相
PDF2 years ago