SDMNet：大規(guī)模激光雷達(dá)點(diǎn)云配準(zhǔn)的稀疏到稠密匹配網(wǎng)絡(luò)

為了處理上述的問(wèn)題，我們提出了SDMNet，一種新的由稀疏到密集的針對(duì)大規(guī)模室外點(diǎn)云的配準(zhǔn)方法。稀疏到稠密匹配方案如圖1(c)所示。具體而言，我們將配準(zhǔn)...

2023-05-24 標(biāo)簽：計(jì)算機(jī)視覺激光雷達(dá)數(shù)據(jù)集 1.8k 0

大模型壓縮首篇綜述來(lái)啦

模型壓縮涉及將大型資源密集型模型轉(zhuǎn)化為適合在受限移動(dòng)設(shè)備上存儲(chǔ)的緊湊版本。此外，它還可以優(yōu)化模型以實(shí)現(xiàn)更快的執(zhí)行速度和最小的延遲，或在這些目標(biāo)之間取得平衡。

2023-09-26 標(biāo)簽：模型數(shù)據(jù)集nlp 1.8k 0

復(fù)旦和Meta提出Open-VCLIP：兼顧時(shí)序建模與開集識(shí)別的視頻理解模型

本文提出了一種新的CLIP向視頻領(lǐng)域的遷移方法，找到模型泛化和專用化之間的平衡，讓模型既能識(shí)別微調(diào)時(shí)已經(jīng)見過(guò)的動(dòng)作和事件，又能夠借助CLIP的零樣本識(shí)別...

2023-06-25 標(biāo)簽：建模數(shù)據(jù)集Clip 1.8k 0

基于顏色感知背景的文檔圖像陰影去除

圖2是模型的整體結(jié)構(gòu)圖，它包含顏色感知背景提取網(wǎng)絡(luò)(Color-aware Background Extraction Network, CBENet)...

2023-06-12 標(biāo)簽：圖像模型數(shù)據(jù)集 1.8k 0

基于生成模型的預(yù)訓(xùn)練方法

I實(shí)驗(yàn) 總結(jié) 參考 前言 請(qǐng)?zhí)砑訄D片描述 我們這次要介紹的文章被接收在 ICCV 2023 上，題為：DreamTeacher: Pretraining...

2023-08-11 標(biāo)簽：圖像模型網(wǎng)絡(luò)設(shè)計(jì) 1.8k 0

成像系統(tǒng)中的CCD合并：提高信噪比和幀速率

然后，如果我們?cè)谒阶x出期間將兩個(gè)像素合并為一個(gè)，我們將創(chuàng)建 500 像素的線寬，并將讀出時(shí)間減少兩倍。請(qǐng)記住，這不是裁剪 - 整個(gè)圖像仍然顯示在終數(shù)據(jù)...

2024-01-29 標(biāo)簽：圖像成像系統(tǒng)數(shù)據(jù)集 1.8k 0

復(fù)旦開源LVOS：面向真實(shí)場(chǎng)景的長(zhǎng)時(shí)視頻目標(biāo)分割數(shù)據(jù)集

現(xiàn)有的視頻目標(biāo)分割（VOS）數(shù)據(jù)集主要關(guān)注于短時(shí)視頻，平均時(shí)長(zhǎng)在3-5秒左右，并且視頻中的物體大部分時(shí)間都是可見的。然而在實(shí)際應(yīng)用過(guò)程中，用戶所需要分割...

2023-09-04 標(biāo)簽：算法數(shù)據(jù)集VOS 1.8k 0

ImageBind：跨模態(tài)之王，將6種模態(tài)全部綁定！

最近，很多方法學(xué)習(xí)與文本、音頻等對(duì)齊的圖像特征。這些方法使用單對(duì)模態(tài)或者最多幾種視覺模態(tài)。最終嵌入僅限于用于訓(xùn)練的模態(tài)對(duì)。因此，視頻 - 音頻嵌入無(wú)法直...

2023-05-11 標(biāo)簽：編碼器語(yǔ)言模型數(shù)據(jù)集 1.8k 0

一個(gè)任務(wù)通用的的指令微調(diào)Embedder！

現(xiàn)有的文本嵌入表示方法在應(yīng)用到新的任務(wù)或領(lǐng)域時(shí)，通常性能都會(huì)受損，甚至應(yīng)用到相同任務(wù)的不同領(lǐng)域也會(huì)遇到同樣的問(wèn)題。常見的解決辦法是通過(guò)針對(duì)下游任務(wù)和領(lǐng)域...

2023-09-05 標(biāo)簽：模型數(shù)據(jù)集自然語(yǔ)言 1.8k 0

YOLOv7訓(xùn)練自己的數(shù)據(jù)集包括哪些

? YOLOv7訓(xùn)練自己的數(shù)據(jù)集整個(gè)過(guò)程主要包括：環(huán)境安裝—制作數(shù)據(jù)集—模型訓(xùn)練—模型測(cè)試—模型推理 一、準(zhǔn)備深度學(xué)習(xí)環(huán)境 本人的筆記本電腦系統(tǒng)是：Wi...

2023-05-29 標(biāo)簽：模型代碼數(shù)據(jù)集 1.7k 0

VoxelMap++：在線LiDAR慣性里程計(jì)實(shí)現(xiàn)可合并的體素建圖方法

VoxelMap++的流程如圖1所示，LiDAR原始點(diǎn)預(yù)處理方法和基于迭代誤差狀態(tài)卡爾曼濾波器的狀態(tài)估計(jì)方法與FASTLIO 類似。值得注意的是，本文的...

2023-09-11 標(biāo)簽：嵌入式數(shù)據(jù)集LIDAR 1.7k 0

用PaddleNLP在4060單卡上實(shí)踐大模型預(yù)訓(xùn)練技術(shù)

作者：算力魔方創(chuàng)始人/英特爾創(chuàng)新大使劉力 之前我們分享了《從零開始訓(xùn)練一個(gè)大語(yǔ)言模型需要投資多少錢》，其中高昂的預(yù)訓(xùn)練費(fèi)用讓許多對(duì)大模型預(yù)訓(xùn)練技術(shù)感興趣...

2025-02-19 標(biāo)簽：數(shù)據(jù)集大模型LLM 1.7k 0

如何更好地繼續(xù)預(yù)訓(xùn)練（Continue PreTraining）

但，這種前提是「充分訓(xùn)練」，如果只看訓(xùn)練前期的話，使用更長(zhǎng)的預(yù)熱步數(shù)（黃色的線）。無(wú)論是「上游任務(wù)」還是「下游任務(wù)」，模型的 Loss 都要比其他預(yù)熱步...

2023-09-11 標(biāo)簽：模型數(shù)據(jù)集LLM 1.7k 0

Backbone之戰(zhàn)：計(jì)算機(jī)視覺任務(wù)模型大比較

盡管Vision Transformer（ViTs）和自監(jiān)督學(xué)習(xí)（SSL）越來(lái)越受歡迎，但在大多數(shù)任務(wù)中，文章發(fā)現(xiàn)在大型訓(xùn)練集上以監(jiān)督方式預(yù)訓(xùn)練的卷積神...

2023-11-13 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺數(shù)據(jù)集 1.7k 0

探索ChatGPT的信息抽取能力

通過(guò)人工檢查ChatGPT的回復(fù)，發(fā)現(xiàn)ChatGPT傾向于識(shí)別比標(biāo)注的跨度更長(zhǎng)的sapn，以更接近人類的偏好。因此，之前的硬匹配(hard-matchi...

2023-06-01 標(biāo)簽：AI數(shù)據(jù)集深度學(xué)習(xí) 1.7k 0