多模态

• 图像描述在社交媒体中的应用：自动为图片生成无障碍替代文本（Alt Text） 4分钟前 多模态
• 图像描述中的幻觉问题：图里没有自行车，模型却说「一个人骑着自行车」 28分钟前 多模态
• 视觉-语言模型对图像描述的革新：不再需要单独训练，直接用提示词控制描述风格 49分钟前 多模态
• 图像描述的多样性：同一张图可以有多种正确的描述——怎么评估描述的质量 1小时前 多模态
• 多语言图像描述：用中文、英文、日文描述同一张图片——跨语言一致性 1小时前 多模态
• 细粒度视觉定位：不是找到「车」，而是找到「那辆银色 SUV 的左前轮」 9小时前 多模态
• 视觉定位在机器人操作中的应用：「把红色的杯子递给我」——机器人怎么定位目标 10小时前 多模态
• Qwen-VL 的视觉定位训练：怎么用四点坐标格式让模型输出物体的位置 10小时前 多模态
• 多模态模型的定位能力：GPT-4V 能准确指出图中猫的位置吗——用边界框评测 10小时前 多模态
• 视觉定位和开放集检测的区别：一个是找到描述的物体，一个是找到所有已知类别 11小时前 多模态

• 1 / 7
• 1
• 2
• 3
• 4
• 5
• 6
• 下一页