visual prompt | BriefGPT - AI 论文速递

关键词visual prompt

搜索结果 - 6

CVPRDocRes: 通向统一文档图像修复任务的通用模型
DocRes 是一个通用模型，它将五项文档图像恢复任务合并到一个模型中，并采用动态任务特定提示的方法来指导模型执行多种恢复任务。实验证明，与现有的特定任务模型相比，DocRes 在多个任务中表现出竞争力或更高的性能。
PDF2 months ago
ACL迷失在空间：探索视觉和语言重采样的细粒度空间理解
通过使用诊断分类器测量重新采样器生成的视觉提示的空间信息，我们发现在对分类器进行训练时，冻结的重新采样器输出中缺乏这些信息，但当重新采样器和分类器联合训练时，我们观察到显著的性能提升。这表明重新采样器所实现的压缩原则上可以编码必要的空间信息
PDF2 months ago
LLaVA-Interactive: 图像聊天、分割、生成和编辑的一体化演示
LLaVA-Interactive 是一种用于多模态人工智能交互的研究原型系统，其能够通过获取多模态用户输入和生成多模态响应与用户进行多轮对话。该系统具有可视化提示功能，以对齐人类意图，同时还结合了 LLaVA 的可视化聊天、SEEM 的图
PDF8 months ago
ICCVLoGoPrompt：合成文本图像可以成为视觉 - 语言模型的良好视觉提示
本文通过引入合成文本图像作为类别相关的视觉提示，探索了视觉 - 语言模型中视觉提示的作用，并提出了一种 LoGoPrompt 方法，该方法在少样本学习、从基础到新领域的泛化以及领域泛化方面表现出一致优于现有方法的实验结果。
PDF10 months ago
从自然语言到可验证图像生成的视觉属性转移
本研究提出一种自然语言到有效图像生成（NL2VI）的方法，将自然提示转换为更适合图像生成的可视提示。通过实验，将自然提示与图像生成对齐可以提高生成图像的一致性，尤其在烹饪和 DIY 等领域具有广泛的推广和应用。
PDFa year ago
基于对比特征重构的逐步视觉提示学习
本文针对视觉 - 语言模型中的文本提示有限，现有视觉提示方法性能或训练过程不稳定的问题，提出了一种新的渐进式视觉提示结构（ProVP），并结合对比特征重构，最终获得了在 11 个基准数据集上的最佳性能。
PDFa year ago