[Set-of-Mark Visual Prompting] 提示技术可增强 GPT-4V 的图像识别能力
[Set-of-Mark Visual Prompting] 提示技术 ...
提示方法
图片识别
![[CoDi]可处理几乎所有模式的任意扩散](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/composable_diffusion-520x300.png)
[CoDi]可处理几乎所有模式的任意扩散模型
[CoDi]可处理几乎所有模式的任意扩散模型
扩散模型
用于大规模图像识别的深度卷积网络
用于大规模图像识别的深度卷积网络
图片识别
利用三维透视几何约束增强扩散模型
利用三维透视几何约束增强扩散模型
计算机视觉
![Versatile Diffusion]](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/versatile_diffusion-520x300.png)
Versatile Diffusion] 融合文本和图像的扩散模型
Versatile Diffusion] 融合文本和图像的扩散模型
扩散模型
![[UniD3] 用于综合处理图像和文本的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/unified_discrete_diffusion-520x300.png)
[UniD3] 用于综合处理图像和文本的多模式离散扩散模型
[UniD3] 用于综合处理图像和文本的多模式离散扩散模型
扩散模型
回顾：物联网时间序列数据的图像转换及各种应用。
回顾：物联网时间序列数据的图像转换及各种应用。
物联网
![Brain2Music] 根据大脑信息自](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/brain2music-520x300.png)
Brain2Music] 根据大脑信息自动生成音乐。
Brain2Music] 根据大脑信息自动生成音乐。
大型语言模型
使用少量数据也能获得高性能？
使用少量数据也能获得高性能？
医疗
I-ViT：以整数类型计算 ViT！此外，还提供由 I-BERT 技术发展而来的 Shiftmax 和 ShiftGELU！
I-ViT：以整数类型计算 ViT！此外，还提供由 I-BERT 技术 ...
Transformer
![[PETRv2] 仅使用摄像机图像估算物](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/November2023/petrv2-520x300.png)
[PETRv2] 仅使用摄像机图像估算物体的 3D 位置。
[PETRv2] 仅使用摄像机图像估算物体的 3D 位置。
目标检测
无需共享原始数据，通过模型对比联合学习实现准确的图像分类！
无需共享原始数据，通过模型对比联合学习实现准确的图像分类！
联邦学习
ImageReward：基于学习文本到图像中人类评分的奖励模型。
ImageReward：基于学习文本到图像中人类评分的奖励模型。
对齐
利用人类评分反馈微调文本到图像模型
利用人类评分反馈微调文本到图像模型
对齐
可视化大脑老化程度！使用两幅核磁共振成像图像的自监督学习方法。
可视化大脑老化程度！使用两幅核磁共振成像图像的自监督学习方法。
医疗
PAM：个性化图像美学评估预测模型。
PAM：个性化图像美学评估预测模型。
数据集
TaPA：使用 LLM 的机器人行为生成代理。
TaPA：使用 LLM 的机器人行为生成代理。
大型语言模型
VLMaps 可直接在 3D 地图上进行标注，从而提高准确性。
VLMaps 可直接在 3D 地图上进行标注，从而提高准确性。
机器人