vision model | BriefGPT - AI 论文速递

关键词vision model

搜索结果 - 7

ImageNet3D：面向通用对象级别 3D 理解
通过与 ImageNet 数据集相结合，ImageNet3D 数据集提供了 200 个类别的 2D 和 3D 信息，从而为构建具有更强的通用性目标级三维理解的视觉模型提供了潜力。
PDF21 days ago
VeCAF: 基于 VLM 的协同主动微调与训练目标感知
PVM 领域的挑战与新方法 VeCAF：通过聚合主动微调和语言嵌入增强数据选择以提高图像分类的效率和性能。
PDF6 months ago
FoMo 奖励：我们能否将基础模型视为奖励函数？
我们探索将基础模型作为增强学习的通用奖励函数的可行性，为此我们提出了一个简单的流程，通过将现成的视觉模型与大型语言模型进行接口连接，推断给定的观察轨迹中描述用户期望代理程序执行的任务的指令的可能性，展示了这种通用可能性函数体现了预期的奖励函
PDF7 months ago
聚类器：作为通用视觉学习器的聚类方法
CLUSTERFORMER 是一种基于 CLUSTERING 范例和 TransFORMER 的通用视觉模型，通过递归更新聚类中心和基于相似度的指标来实现图像分类、目标检测和图像分割等多样化视觉任务的性能提升，并说明其在各项指标上优于其他专
PDF9 months ago
IJCAI语境增强：迈向高效准确的场景文本识别
提出了一种基于 $ extbf {LVP}$ 的语言感知视觉模型，通过级联式优化和语言信息挖掘解决了基于纯视觉的识别模型在注意力漂移和部分视觉缺失情况下识别率低的问题，并在保持低复杂度的同时达到了最佳性能。
PDFa year ago
ICLR从部分观测中随机预测多智能体交互
本研究提出了一种基于图形结构的变量循环神经网络 (Graph-VRNN) 的方法，该方法可以从学习的动力学模型中学习整合时间信息，从学习的视觉模型中学习模糊视觉信息，用于多智能体环境下的状态推断和预测，并在两个运动数据集上的实验中表现出优越
PDF5 years ago
野外场景下的丰富图像描述
本研究提出了一种图像描述系统，通过在先进的架构上建立深度视觉模型、实体识别模型和信心模型等方式，有效地解决了在野外环境下图像描述的质量、异领域数据处理和低延迟等挑战，并在领域内和领域外的数据集上都显著优于之前的最佳实践结果。
PDF8 years ago