training-free method | BriefGPT

关键词training-free method

搜索结果 - 6

基于视图迭代自注意力控制的无调整视觉定制化
本文提出了 View Iterative Self-Attention Control (VisCtrl) 作为一种无需进行模型微调的训练方法，通过逐步将参考图像的特征嵌入目标图像，实现了一次去噪便能实现一张参考图像的一致和谐编辑，而且该方
PDF24 days ago
DiffUHaul: 图像中无需训练的物体拖动方法
通过局部的文本到图像模型的空间理解，提出了一种不需要训练的方法 DiffUHaul，用于对象拖动任务，并通过注意力掩蔽、自我注意力共享机制和扩散锚定技术来改进编辑性能，并使用 DDPM 自我注意力分桶来适应真实图像编辑。
PDFa month ago
RIGID: 一个面向鲁棒的、无需训练的、模型无关的 AI 生成图片检测框架
该研究提出了一种无需训练的方法（RIGID），通过在视觉基础模型的表示空间中比较原始图像和受到微小噪声扰动的图像之间的相似性，来区分真实图像和由人工智能生成的图像。评估结果显示，RIGID 在各种人工智能生成图像和评估指标上明显优于现有的基
PDFa month ago
变分流模型：奔流于您的风格
我们提出了 “变分流模型” 作为 “后验流” 的广义概率流模型的变分推断解释，并提出了一种无需训练的方法来将 “线性” 随机过程的后验流转化为直速常数速度（SC）流，便于沿着原始后验流进行快速采样。我们的方法的灵活性允许我们在不同的 “线性
PDF5 months ago
MixedNUTS: 通过非线性混合分类器实现训练无关的准确性和鲁棒性平衡
通过非训练方法的集成学习，利用 MixedNUTS 将强健分类器和标准非强健分类器的输出透过非线性转换与 3 个参数优化来提高准确性和鲁棒性，在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上的实验结果显示 Mixed
PDF5 months ago
啄木鸟：多模态大语言模型的幻觉校正
通过引入一种名为 Woodpecker 的免训练方法，该论文主要针对快速发展的多模态大型语言模型（MLLMs）中存在的幻觉问题，并通过提取关键概念、问题构建、视觉知识验证、视觉声明生成和幻觉修正等五个阶段来纠正幻觉。通过定量和定性评估，证明
PDF8 months ago