visual encoding | BriefGPT - AI 论文速递

关键词visual encoding

搜索结果 - 8

LLaVA-UHD: 一种感知任何纵横比和高分辨率图像的 LMM
LLaVA-UHD 是一种大型多模态模型，其中包括图像模块化策略、压缩模块和空间模式，它可以高效地感知任何宽高比和高分辨率的图像，并在多个基准测试中优于其他模型。
PDF4 months ago
深度学习用于视觉神经假肢
视觉途径、视觉感知、视觉编码、神经假肢和计算模型是重要研究领域。该文章介绍了视觉感知的重要性，讨论了视觉信息编码和大脑中信息组织的机制，以及如何使用计算模型来实现神经假肢并提高对于视觉编码和自然视觉的理解。
PDF6 months ago
大规模视觉语言模型学习用于高效和高性能的部分相关视频检索的超级图像
提出一种高效和高性能的部分相关视频检索方法，通过使用超级图像、视觉编码和细调方法，实现了在 ActivityNet Captions 和 TVR 上的最佳性能。
PDF7 months ago
目标图像数据增强提高基本技能字幕鲁棒性
通过填补世界相关性结构的缺失，利用文本到图像生成模型改进人类模型在性别识别等方面的能力，显示了一种目标图像编辑数据增强方法在性别、颜色和计数能力方面提高图像字幕度量的性能，并分析了图像字幕模型在视觉编码和文本解码方面的不同行为表现。
PDF9 months ago
一种辅助引入语义信息的多模态视觉编码模型
基于刺激图像和相关文本信息的多模态视觉信息编码网络模型，将口头语义信息作为新信息嵌入视觉编码模型，通过 Transformer 网络对图像和文本特征信息进行对齐，构建多模态特征空间。实验结果表明该模型的性能优于先前的模型，并且消融实验证明我
PDF10 months ago
从展示到描述：深度学习图像字幕化综述
本文综合研究图像描述中的视觉编码、文本生成、训练策略、数据集和评估指标等方面，量化比较多个相关的最前沿方法，以识别体系结构和训练策略中最具影响力的技术创新并探讨问题的许多变体和开放挑战，旨在为理解现有文献和强调计算机视觉和自然语言处理领域的
PDF3 years ago
通过形状语义 GAN 从脑活动中重建感知图像
使用层次化的视觉处理技术，通过深度学习以及生成对抗网络，更加准确和高效地从 fMRI 数据中解析视觉信息，从而实现更优秀的图像重建性能。
PDF3 years ago
ICCV基于关系的未来轨迹预测
提出了一种关系感知的导航策略预测框架，通过视觉编码和时空特征识别道路用户之间的相互作用及其与环境的关系，进而预测目标道路用户未来的位置。在公共基准数据集上进行了广泛的评估并获得了比现有方法更高的效果。
PDF5 years ago