visual recognition | BriefGPT

关键词visual recognition

搜索结果 - 162

单图像去学习：多模态大型语言模型中高效的机器去学习
通过建立大规模多模态语言模型（Multimodal Large Language Models）的遗忘模型，研究了 “机器遗忘”（Machine unlearning）中的视觉数据遗忘问题，提出了一种高效的方法 Single Image U
PDFa month ago
In-Context Translation: 走向图像识别、处理和生成的统一化
我们提出了一种称为 In-Context Translation (ICT) 的通用学习框架，用于统一视觉识别、图像处理和条件图像生成。ICT 通过统一减少了特定任务模型设计所带来的内在归纳偏差，并最大程度地增强了相似任务之间的相互促进。在
PDF3 months ago
注重邻居：无需训练的开放词汇语义分割
借鉴了 CLIP 模型，并通过自适应 CLIP 的可视化 transformer 来强化感知，提出了一种新的方法 NACLIP 用于训练自由的 open-vocabulary semantic segmentation (OVSS)，在 8
PDF3 months ago
PlainMamba：改进视觉识别中的非层次化非洲黑曼巴
PlainMamba 是一种简单的非层次化状态空间模型 (SSM)，用于通用视觉识别，通过选择性扫描过程将 Mamba 模型应用于视觉领域，提高其从二维图像中学习特征的能力，并通过在扫描序列中保证标记相邻性的连续 2D 扫描过程以及具有方向
PDF3 months ago
评估带有视觉能力的 GPT-4 对胸部 X 光片的放射学发现的检测
GPT-4V 多模态大型语言模型在检测胸部 X 光片的放射学发现方面的应用研究表明，目前 GPT-4V 还不具备解读胸部 X 光片的实际诊断能力。
PDF3 months ago
不仅仅是鸟和车：专业视觉识别的通用、可扩展和可解释模型
该论文介绍了一种可扩展且可解释的模型 Pro-NeXt，它在各种专业领域中展现了优秀的泛化性能，并具备可靠的物体检测和分割能力。
PDF4 months ago
文本到图像模型在视觉模态缺失的多模态学习中的应用
通过用生成式变压器填补缺失的视觉数据，我们提出了一个简单但有效的多模态学习框架 GTI-MM，以增强数据效率和模型的鲁棒性，尤其是对于缺少视觉模态的情况。我们在多个多模态数据集上进行了全面的分析，包括模型的训练，结果显示合成图像有助于训练数
PDF5 months ago
通过架构设计处理联邦视觉识别中的数据异构性
联邦学习是一种有前途的研究范式，可以在各方之间进行机器学习模型的协作训练，而无需进行敏感信息交换。本研究对应用于视觉识别的联邦学习进行了广泛的回顾，强调深思熟虑的架构设计选择在实现最佳性能方面的重要作用。通过对各种先进架构的深入分析，我们实
PDF8 months ago
HalluciDet：通过特权信息对人员检测进行 RGB 模态的幻觉
通过提出 HalluciDet，一种 IR-RGB 图像翻译模型，将重点放在对象检测的准确性上，而不是重构 IR 模态下的原始图像，从而绕过了访问 RGB 数据的需求，从而提高了检测性能。
PDF9 months ago
TAP：针对视觉分类任务自适应生成文本训练实例的有针对性提示
在此研究中，我们研究了一种基于文本的视觉与语言模型训练方法，并探索了如何根据下游任务的特点从大型语言模型中采样文本数据，以显著提升视觉识别性能。与先前方法相比，我们展示了达 (交) 领域特定适应的性能提高达 8.4％，精细化识别提高达 8.
PDF10 months ago
从鲁棒性视角理解数据增强
在视觉识别领域，数据增强作为一种关键技术可以增加模型的鲁棒性。本文从理论和实证的角度探讨数据增强的机制，揭示了其在模型鲁棒性中的作用，并通过实验证明了这些技术主要通过中高级游戏交互来刺激。此外，我们的研究还涵盖了多个数据集和各种增强技术，强
PDF10 months ago
DAT++：具有可变形注意力的空间动态视觉变换器
通过引入一种新的可变形多头注意力模块，Deformable Attention Transformer（DAT）有效地解决了 Transformer 模型中存在的注意力范围过大和过于手工化的问题，从而提高视觉识别任务的性能。实验证明，DAT
PDF10 months ago
ConcatPlexer: 加速 ViTs 的附加 Dim1 批处理
通过引入一种新的方法，即 DataMUX，本研究在视觉识别方面提出了一种名为 ConcatPlexer 的模型，成功地在推理速度和准确性之间找到了一个平衡点。该模型在 ImageNet1K 和 CIFAR100 数据集上训练，与 ViT-B
PDF10 months ago
从稀疏到软混合专家
通过软的 MoE 方法，我们可以在训练和推断成本上实现模型容量的扩展，解决了传统的 MoE 方法中存在的多个问题，在视觉识别任务中显著优于标准的 Transformers 和其他 MoE 变种，并且在模型规模扩展上也有良好的性能。
PDFa year ago
深度神经网络无监督域适应
本文介绍了现有的领域自适应方法的分析，提出了一种新的方法，证明了在不同领域中改进视觉识别任务的潜力，为领域自适应领域的进一步研究和发展开辟了机遇。
PDFa year ago
ICML基于威布尔–柯西分布的角 Softmax 模型用于长尾视觉识别
提出了一种新的 softmax 函数 (Wraped Cauchy Distributed Angular Softmax)，可以解决视觉识别中不平衡数据和长尾数据的问题。该方法使用基于高斯核的数据智能，并且可以对类别的角度表示进行分布，可
PDFa year ago
探究遮罩图像建模中的数据缩放
本文旨在通过在使用 Coyo-700M 数据集进行实验，探究遮蔽图像建模 (MIM) 方法在不同大小和模型的情况下，进行下游任务的表现变化，并发现了 MIM 在训练数据规模较小时提高模型容量的效果、强重构目标能增加模型在下游任务中的容量，以
PDFa year ago
ICLRNORM: 基于 N 对一表示匹配的知识蒸馏
本研究提出了 N-to-One Representation Matching (NORM) 知识蒸馏方法，其主要利用由两个线性层组成的 Feature Transform (FT) 模块，可以在训练中保留教师网络学习到的信息，并且通过新颖
PDFa year ago
DeePoint：从固定视角下的指向识别和方向估计
本文提出了基于深度神经网络的指向自动识别和方向估计新模型 DeePoint，并提供了一个大型人体行为数据集 DP Dataset 作为实验数据验证。
PDFa year ago
视觉识别模型对图像压缩是否具有鲁棒性？
本文研究图像压缩对图像分类、目标检测及语义分割等三种视觉识别任务准确性的影响。研究采用传统编解码器及最新的神经压缩方法进行实验，探究压缩比从 0.1 到 2bpp 下的识别准确度。实验发现，在强压缩下，三个任务的识别准确度都会受到显著影响。
PDFa year ago