V
主页
CV论文分享20240711
发布人
[2024 CVPR] 《Sequential Modeling Enables Scalable Learning for Large Vision Models》 > 内容简介:这篇论文提出了一种新颖的序列建模方法, 该方法能够在不使用任何语言数据的情况下学习大视觉模型 (Large Vision Model, LVM)。作者定义了一种 "视觉句子 (Visual Sentences)",它可以用于表征图像,视频,语义分割和深度重建,同时只需要像素信息。作者构造了一个包含 420B tokens 的数据集,通过 Next Token Prediction 和交叉熵损失来训练大视觉模型。最后得到的模型具有对于数据规模和模型容量很好的缩放性。而且在测试时通过设计合适的视觉提示,可以拿来解决许多不同的视觉任务。
打开封面
下载高清视频
观看高清视频
视频下载器
矩阵分解论文分享20240613
CV强化论文分享20240704
强化学习论文分享20240131
CV论文分享20230713(ViLD&CoCoOP)
CV论文分享20240801
CV强化论文分享20240808
强化学习论文分享20240509
强化学习论文分享20240117_2
CV论文分享20240719
CV论文分享20240509
CV论文分享20240808
CV强化论文分享20240711_1
KAN论文分享
视觉强化论文分享20230913(CRESP)
CoPE论文分享20240620
强化学习论文分享20240110
强化学习论文分享20240314_2
强化学习论文分享2022-11-17
强化学习论文分享20240307
20240307CV强化论文分享
CV强化论文分享20240530
CV强化论文分享20240801
强化学习论文分享20240117_1
强化学习论文分享20240411_1
强化学习论文分享20230410
强化学习论文分享20240725
强化学习论文分享20240719_1
强化学习论文分享20240314_3
强化学习论文分享20240613-2
CV强化论文分享20240523
CV强化论文分享-20240829-2
强化学习论文分享20240411_2
CV强化论文分享20240418
强化学习论文分享20240613-1
强化学习论文分享20240801
强化学习论文分享20240808
强化学习论文分享20230515
大语言模型(LLM)综述
强化学习论文分享20230424
强化学习论文分享2022-11-03