unseen categories | BriefGPT

关键词unseen categories

搜索结果 - 7

利用大型语言模型提升音频 - 视觉零样本学习的能力
我们提出了一种名为知识感知分布自适应 (KDA) 的简单而有效的框架，通过使用大型语言模型生成丰富的描述，从而更好地理解未知类别，并引入分布对齐损失和知识感知自适应边界损失来进一步提高对未知类别的泛化能力。在三个受欢迎的音视频零样本学习数据
PDF8 months ago
ICCV基于知识的提示调优通用视觉语言模型
通过设计两种类型的知识感知提示，离散提示和学习连续提示，以及视觉编码器的适应头部，实现针对视觉 - 语言模型的知识感知提示调整（KAPT）框架在少样本图像分类中的有效性和对未见类别的泛化能力。与最先进的 CoCoOp 方法相比，KAPT 在
PDF10 months ago
CVPR零样本实例分割的语义促进去偏置与背景消歧
本文提出 D$^2$Zero 模型结合语义推动减偏和背景消除，以提高零样本实例分割人工智能的表现，实验表明我们的方法比先前的最先进方法显着优越。
PDFa year ago
CVPR对比度掩蔽：对每样东西进行分割的对比学习
通过在受限的可见类别上学习有标注遮罩，从而消除繁重注释负担，并在新颖的 unseen 类别上分割对象，部分监督实例分割是一个任务。本文提出了 ContrastMask，它在统一的像素级对比学习框架下，同时在可见和未知类别上学习掩模分割模型，
PDF2 years ago
AAAI领域解耦生成对抗网络用于零样本基于草图的三维形状检索
本文提出了一种基于 DD-GAN 网络的用于 0-shot 检索的手绘三维形状检索方法，通过学习 sketch 和 3D Shapes 的特征区别，生成了与其对应的词向量，生成器结合特定类别生成样本和通用特征生成未知类别的 3D 对象，试验
PDF2 years ago
基于语义引导的零样本目标检测对比网络
ContrastZSD 是一种用于零样本目标检测的基于语义指导对比学习的检测框架，它通过引入显式的语义指导和对比学习机制，来优化模型对未见过类别的认知，同时改善视觉特征结构以实现更好的视觉 - 语义对齐。
PDF3 years ago
KG-GAN: 基于知识的生成对抗网络
本研究通过知识引导的生成对抗网络模型提出了一种将领域知识融入生成对抗网络框架中生成未见过的花卉种类的方法，并且在实验中证明了这种方法的有效性。
PDF5 years ago