visual cognition | BriefGPT

关键词visual cognition

搜索结果 - 8

人类与多模态 LLMs 之间的视觉认知差距是什么？
我们提出了一个新数据集 MaRs-VQA 和一个新的基准 VCog-Bench，以评估 Multimodal Large Language Models 的零射击 Abstract Visual Reasoning 能力，并将其与现有的人类
PDF20 days ago
DynRefer: 通过动态分辨率探索区域级多模态任务
通过动态分辨率方法（DynRefer）来改善区域级多模态任务的高精确度指代，提高多模态模型的表示适应性，并在多个区域级多模态任务上取得新的最先进结果。
PDFa month ago
IJCAI基于边界知识转换的参考语义分割
本文提出了一种新型的参考语义分割网络（Ref-Net），结合了人类的视觉认知能力，采用参考目标特征和已有的开源数据集边界知识，通过参考分割模块和边界知识翻译模块，实现在只有几十个样本的有限监督下，较好地完成了多个数据集上的对象分割任务。
PDF3 years ago
Bongard-LOGO: 人类水平的概念学习和推理新基准
通过提出 Bongard-LOGO 基准来评估人类概念学习和推理，我们展示了先前方法的不足之处，并讨论了适用于解决此类基准的一般视觉推理架构的研究方向。
PDF4 years ago
ICLR基于分组监督学习的零样本合成
本文提出了一种基于 Group-Supervised Learning (GSL) 的学习框架来解决神经网络关于视觉对象其他属性的 “想象” 问题，可以将输入分解为可替换的组件表示，并重新组合为新样本，从而实现高质量的零样本合成，并在相关基
PDF4 years ago
室内环境布局估计的边缘语义学习策略
本文提出了一种全新的基于编码 - 解码网络的室内场景分类方法，该方法可以充分利用室内场景的边缘和语义信息，实现 2D 室内场景的准确估计，其在基准数据集上取得了最佳表现。
PDF6 years ago
Visual Genome：使用众包密集图像注释连接语言和视觉
该论文介绍了 Visual Genome 数据集，它包含了约 100K 的图像和图像描述、对象、属性、关系和问题答案的密集注释，旨在解决计算机在图像描述、问答等认知任务中的性能瓶颈问题。
PDF8 years ago
良好的识别不是度量的
本文重新思考了认知的假设，给出了一个新的定义来捕捉问题的更广泛的背景，通观流行数据集上的顶尖算法的元分析和实验评估，发现优秀的识别算法经常违反度量性质，因此提出应该利用外部信息来解决识别问题。
PDF11 years ago