VLP

谷歌发布最新看图说话模型，可实现零样本学习，多类型任务也能直接上手

对于一般的视觉语言预训练（VLP）模型，训练数据集中要求包含大量精准标签。而模型的任务迁移，则需要针对特定任务重新进行数据集的标签
视学算法·2022-12-29 11:49

WSDM'23 | 基于实体对齐的文图检索优化算法

视觉语言预训练模型（VLP）基于海量图文数据，大大提高了图文检索性能。尽管如此，基于VLP模型的方法仍然容易产生无法在跨模态数据上对齐实体的检索结果。
zenRRan·2022-12-26 14:17

ViLT Vision-and-Language Transformer Without Convolution or Region Supervision

论文题目：ViLT：不带有卷积和区域建议的视觉语言转换器研究问题：研究动机：现有的VLP方法严重依赖图像特征提取过程，大多包含区域监督（如目标检测）和卷积的结构（如ResNet）。
肉嘟嘟的zhu·2022-12-25 22:47

多模态论文笔记ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

Vision-and-LanguageTransformerWithoutConvolutionorRegionSupervisionAbstractVision-and-LanguagePre-training(VLP
栗子酱15551·2022-12-25 22:17

Align before Fuse:Vision and Language Representation Learning with Momentum Distillation

AlignbeforeFuse:VisionandLanguageRepresentationLearningwithMomentumDistillation解决问题视觉和语言预训练(VLP)旨在从大规模图像
但愿此生，从未邂逅·2022-12-25 22:17

ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

ViLT:Vision-and-LanguageTransformerWithoutConvolutionorRegionSupervisionTags:Transformer,VLP,multimodal
BL.S.·2022-12-25 22:14

ViLT:Vision-and-Language Transformer Withoout Convolution or Region Supervision

解决问题视觉和语言预训练(VLP)提高了各种联合视觉和语言下游任务的性能。之前的工作发现，在视觉方面网络的模型越复杂越好，最终的结果就会越好。即当前的VLP方法严重依赖图像特征提取过程，其中大部分涉
但愿此生，从未邂逅·2022-12-25 22:43

21.VIVO: Visual Vocabulary Pre-Training for Novel Object Captioning

因此，传统的视觉语言预训练(VLP)方法无法应用。本文提出了在没有字幕标注的情况下进行预训练的视觉词汇预训练(VIVO)。通过打破VLP中成对图像-标题训练数据的依赖关系，VIVO可以利用
热爱文学的码农·2022-12-25 21:54

VLP: A Survey on Vision-Language Pre-training

本篇综述是第一篇关于视觉-语言预训练（Vision-LanguagePretraining）的综述，介绍了VLP的最新进展和新领域，包括了图像-文本和视频-文本的预训练。
一颗2021·2022-12-25 17:43

基于可见光通信的室内定位与导航及物联网应用

VisibleLightCommunication,VLC）相关研究，主要包括：基于光电二极管（PD）、图像传感器（camera）的高精度可见光定位算法(VisibleLightPositioning,VLP
gwpscut·2022-12-23 14:42

图文融合模型(续) and VQA过往简述

文章目录图文融合模型，书接上文[seed+transformer+finetune+图文融合+VLP+PromptLearning整合](https://blog.csdn.net/weixin_42455006
两面包+芝士·2022-12-22 16:01

论文笔记--视觉语言模型（VLP）综述 A Survey of Vision-Language Pre-Trained Models

1.1预训练一个VLP模型的三个步骤将图像和文本编码并保留其语义两种模式之间交互的建模（性能好的框架）设计有效的预训练任务进行训练2视觉语言表示的学习2.1预训练数据集大规模的图像文本对2.2文本表示大多数的
冰羽vee9·2022-12-19 18:00

ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

论文地址：https://arxiv.org/pdf/2102.03334.pdf代码地址：https://github.com/dandelin/vilt.摘要目前的VLP方法严重依赖于图像特征提取过程
scycie·2022-12-19 09:52

使用Octomap生成二维占据栅格导航地图

最近使用VLP-16跑了SC-LeGO-LOAM，考虑到后续导航过程中需要使用二维栅格地图，所以三维点云转换为二维栅格地图属实工程需要。
NIgori_MrW·2022-12-19 07:39

Python+Open3D 解析Velodyne VLP-16激光雷达数据

参数简介VelodyneVLP-16测距精度±3.6cm转速RPM600数据端口2368通讯协议DUPPython3.6.8数据包介绍１、数据包结构参考VLP16手册，以下为激光雷达一个完整的数据包，在解析过程中底层会过滤掉
码农菌·2022-12-18 15:22

KD-VLP：知识蒸馏和预训练还能这么结合？上科大&Intel&MSRA提出基于知识蒸馏的端到端多模态预训练模型...

关注公众号，发现CV技术之美本文分享论文『KD-VLP:ImprovingEnd-to-EndVision-and-LanguagePretrainingwithObjectKnowledgeDistillation
我爱计算机视觉·2022-12-13 11:46

Iris: 比ScanContext更加精确高效的激光回环检测方法（IROS 2020）

IROS2020Oral）代码已开源:https://github.com/JoestarK/LiDAR-IrisIRIS是一个实验性能比ScanContext更好的开源的激光雷达全局描述子，下图是作者通过自制的VLP
Tom Hardy·2022-12-10 16:25

五花八门的多模态模型如何选择？

微信公众号“圆圆的算法笔记”，定期更新深度学习/CV/NLP/搜推广私人干货笔记~Visual-LanguagePretraining（VLP）是多模态领域的核心研究点之一，也是目前的一个热点研究方向。
fareise·2022-12-10 09:40

NLP相关概念汇总

目录1.XX学习对比学习相关模型相关损失度量学习对比聚类相关模型课程学习2.XX语言模型MLM（掩码语言模型）相关模型相关损失CLM（因果语言模型）PPLM（即插即用语言模型）相关模型VLP（Vision-LanguagePre-training
Meilinger_·2022-12-07 07:36

华人一作统一「视觉-语言」理解与生成：一键生成图像标注，完成视觉问答，Demo可玩...

视觉-语言预训练(Vision-LanguagePre-training，VLP)提高了许多视觉-语言任务的性能。然而，大多数现有的预训练模型只能在基于理解任务或基于生成任务中表现出色。
人工智能学家·2022-12-07 02:05

这个预训练不简单！BLIP：统一视觉-语言理解和生成任务

视觉-语言预训练(Vision-LanguagePre-training，VLP)提高了许多视觉-语言任务的性能。然而，大多数现有的预训练模型只能在基于理解任务或基于生成任务中表现出色。现有的VLP方
Amusi（CVer）·2022-12-07 02:34

【阅读笔记】技术前沿（视觉-语言预训练、能量模型）

1.视觉-语言预训练(Vision-LanguagePre-training，VLP)预训练模型，生成图像标注，视觉问答-模型角度，基于编码器-解码器的模型在「图文检索」task中尚未成功实践-数据角度
Amber_0442·2022-12-07 02:02

【论文笔记】Unified Vision-Language Pre-Training for Image Captioning and VQA

ThispaperpresentsaunifiedVision-LanguagePre-training(VLP)model.Themodelisunifiedinthat(1)itcanbefine-tunedforeithervision-languagegeneration
烫烫烫烫的若愚·2022-12-06 10:33

【论文&模型讲解】ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

Vision-and-LanguageTransformer）4.1模型4.2WholeWordMasking4.3ImageAugmentation5实验5.1数据集5.2对比实验5.3消融实验5.4VLP
friedrichor·2022-12-04 06:00

VLP-16 velodyne + kinect dk 复现 LeGO-LOAM

参考使用自己的激光雷达/数据集运行lego_loam,修改代码教程_和道一文字_的博客-CSDN博客LeGO-LOAM编译安装与运行_Yeah2333的博客-CSDN博客_lego-loam运行一.配置VLP16sudoapt-getinstallros-melodic-velodynecdcatkin_ws
身体健康天天开心·2022-12-03 17:21

VLP-16配置及gmapping/loam应用-基于ubuntu-ros-melodic

文章目录VLP-16配置VLP16运行gmapping测试VLP-16运行LOAMVLP-16运行A-LOAMＡ_LOAM建图同时构建栅格地图DEMO-lidar编译问题VLP-16配置安装vlp驱动:
Nie_Xun·2022-12-03 17:51

LOAM系列——FLOAM配置、安装、问题解决及VLP16测试效果

LOAM系列——FLOAM配置、安装、问题解决及VLP16测试效果近期完成文章发布二级目录三级目录近期完成文章发布二级目录三级目录
JANGHIGH·2022-12-03 17:49

LOAM系列——LeGO-LOAM配置、安装、问题解决及VLP16测试效果

LOAM系列——LeGO-LOAM配置、安装、问题解决及VLP16测试效果近期完成文章发布二级目录三级目录近期完成文章发布二级目录三级目录
JANGHIGH·2022-12-03 17:49

LOAM系列——ALOAM配置、安装、问题解决及VLP16测试效果

ALOAM配置安装及VLP16测试效果近期完成文章发布二级目录三级目录近期完成文章发布二级目录三级目录
JANGHIGH·2022-12-03 17:48

LOAM系列——ISCLOAM配置、编译、问题解决及VLP16测试效果

ISCLOAM配置、编译、问题解决及VLP16测试效果1）安装依赖2）安装3）KITTIsequence07测试4）VLP16bag包5）直接使用VLP166）问题及解决7）修改配置后的源码包1）安装依赖
JANGHIGH·2022-12-03 17:46

2022：Transformer Decoders with MultiModal Regularization for Cross-Modal Food Retrieval

最后，我们利用最近的VLP模型的力量用于图像编码器，
weixin_42653320·2022-11-30 19:50

从0.3开始搭建LeGO-LOAM+VLP雷达+小车实时建图（保姆级教程，小白踩坑日记）

背景：SLAM小白，因为项目需要花了两天时间编译代码+连接雷达实现了交互。踩了很多坑，简单记录一下，让后面感兴趣的朋友少走点弯路~肯定有很多不专业的、错误的地方，还请大家不吝赐教（噗通）也可以见知乎：https://zhuanlan.zhihu.com/p/357020888/（我发现从知乎复制内容到CSDN特别方便啊）未完待续惹主要分为5个部分：编译算法前的准备（对应目录第1-4章）编译SLAM
hzlbbfrog·2022-11-28 03:51

VLP-16跑通Lego-LOAM

VLP-16跑通Lego-LOAMUbuntu18.04环境下配置及步骤VLP-16雷达的使用Lego-LOAM的安装配置VLP-16需要的改动：Ubuntu18.04环境下配置及步骤在各个总结文章的基础上记录一下各个步骤的细节
山馗·2022-11-28 03:51

五花八门的多模态模型如何选择？

Visual-LanguagePretraining（VLP）是多模态领域的核心研究点之一，也是目前的一个热点研究方向。学术界提出了五花八门的VLP模型结构、训练方法方法。
机器学习社区·2022-11-26 19:33

Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks 解析+总结

arxiv.org)code:microsoft/Oscar:OscarandVinVL(github.com)多模态学习初入门最近，视觉和语言预训练（Vision-LanguagePretraining,简称VLP
ying wong·2022-11-20 04:32

2021CVPR计算机视觉最前沿研究领域多模态（VLP和VQA）

论文地址基于端到端预训练模型的视觉语言表征学习**（VLP和VQA本论文个人认为是继文字识别领域后融合计算机视觉与自然语言最大的技术突破）论文动机当前大多数文章都是先抽取出图像中的显著性区域，再将其与文字一一对齐
Alchemist Notes·2022-11-20 03:22

[mPLUG]: Effective and Efficient Vision-Language Learning by Cross-modal Skip-connections多模态特征融合方法泛读

论文：https://arxiv.org/pdf/2205.12005.pdf代码：AliceMind/mPLUGatmain·alibaba/AliceMind·GitHubMotivation：学习VLP
will-wil·2022-11-20 01:37

ViLT：最简单的多模态Transformer

先阐述一下4种不同类型的Vision-and-LanguagePretraining(VLP)，然后归纳2种模态相互作用方式和3种visualembedding方式，最后讲一下ViLT的设计思路。
人工智能与算法学习·2022-11-19 15:38

ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision内容理解

ViLT:Vision-and-LanguageTransformerWithoutConvolutionorRegionSupervision内容理解一、Abstract二、引言三、背景介绍1、目前VLP
乄洛尘·2022-11-19 14:58

ViLT视觉文本多模态

vd_source=aaa7d9b5dd88818076af6aa4b9ae0d74一.Introduction为了输入VLP模型，图像像素（变成语义性的，离散性的特征）最初需要与语言标记一起以密集形式嵌入
越过小山丘·2022-11-19 14:28

追求极致速度，极简多模态预训练模型ViLT，推理速度比UNITER快60倍！（ICML2021）...

关注公众号，发现CV技术之美▊写在前面视觉和语言预训练(VLP)提高了各种联合视觉和语言下游任务的表现。
我爱计算机视觉·2022-11-19 14:25

2021： ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

摘要现有的VLP方法严重依赖图像特征提取过程，大多包含区域监督（如目标检测）和卷积的结构（如ResNet）。
weixin_42653320·2022-11-19 06:00

seed+transformer+finetune+图文融合+VLP+Prompt Learning整合

1.Seed在神经网络中，参数默认是进行随机初始化的。不同的初始化参数往往会导致不同的结果，如果不设置的话每次训练时的初始化都是随机的，导致结果不确定。当得到比较好的结果时我们通常希望这个结果是可以复现的，如果设置初始化，则每次初始化都是固定的，在pytorch中，通过设置随机数种子也可以达到这么目的。#固定随机种子args.seed=SEED(SEED之前已经设置初值，如31)在设置随机数种子时
两面包+芝士·2022-11-14 09:50

极智AI | 多模态新姿势 详解 BLIP 算法实现

Vision-LanguagePre-training(VLP)+Fine-tuning=>ZeroShot/FewShot的模式是快速解决多下游任务的一个好的模式，VLP是这个模式的开端，所以对于VLP
极智视界·2022-11-12 11:46

BLIP论文笔记

BLIP：BootstrappingLanguage-ImagePre-trainingforUnifiedVision-LanguageUnderstandingandGeneration大多数现有的VLP
sajomanaka·2022-10-24 07:27

复盘007女人帮例会

是核心命脉，是企业＋家经营的血液②例会工程是10月007女人帮成长价值工程之一③例会是007女人帮vlp锁客的一项工程，也是会员的交付课之一三、讨论10.23详情1：10.23定位①找方向＋敢播②有对标
山羊妈妈说说A·2022-10-08 07:50

使用autoware的calibration_toolkit联合标定双目相机和激光雷达(ZED and VLP-16)

准备工作Ubuntu18.04+ROSMelodicZEDROS环境配置与相机内参标定VelodyneROS环境配置OpenCV3.2.0一、编译calibration_toolkitmkdir-pcalibration_toolkit安装nlopt标定工具箱依赖于nloptcdcalibration_toolkitgitclonehttps://github.com/stevengj/nlopt
SmileAtlas·2022-08-12 07:13

【自然语言处理】【多模态】多模态综述：视觉语言预训练模型

多模态综述：视觉语言预训练模型论文地址：VLP：ASurveyonVision-LanguagePre-trainingASurveyofVision-LanguagePre-TrainedModels
BQW_·2022-08-09 07:39

视觉-语言预训练模型综述

etal.Vision-LanguageIntelligence:Tasks,RepresentationLearning,andLargeModels[J].arXivpreprintarXiv:2203.01922,2022.按照时间顺序将VLP
cskywit·2022-07-28 09:23

VLP-16用户手册 第九章 传感器数据

第九章传感器数据项目用到了VLP-16激光雷达，在看官方源代码时，很多地方不是很清楚，因此查看了用户手册，顺便翻译整理出来。
dzjoke·2022-03-22 07:51
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他