مقاله محرک درون متنی بصری
| عنوان مقاله به انگلیسی | Visual In-Context Prompting |
| عنوان مقاله به فارسی | مقاله محرک درون متنی بصری |
| نویسندگان | Feng Li, Qing Jiang, Hao Zhang, Tianhe Ren, Shilong Liu, Xueyan Zou, Huaizhe Xu, Hongyang Li, Chunyuan Li, Jianwei Yang, Lei Zhang, Jianfeng Gao |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین , |
| توضیحات | Submitted 22 November, 2023; originally announced November 2023. , Comments: technical report |
| توضیحات به فارسی | ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. نظرات: گزارش فنی |
چکیده
In-context prompting in large language models (LLMs) has become a prevalent approach to improve zero-shot capabilities, but this idea is less explored in the vision domain. Existing visual prompting methods focus on referring segmentation to segment the most relevant object, falling short of addressing many generic vision tasks like open-set segmentation and detection. In this paper, we introduce a universal visual in-context prompting framework for both tasks. In particular, we build on top of an encoder-decoder architecture, and develop a versatile prompt encoder to support a variety of prompts like strokes, boxes, and points. We further enhance it to take an arbitrary number of reference image segments as the context. Our extensive explorations show that the proposed visual in-context prompting elicits extraordinary referring and generic segmentation capabilities to refer and detect, yielding competitive performance to close-set in-domain datasets and showing promising results on many open-set segmentation datasets. By joint training on COCO and SA-1B, our model achieves $57.7$ PQ on COCO and $23.2$ PQ on ADE20K. Code will be available at https://github.com/UX-Decoder/DINOv.
چکیده به فارسی (ترجمه ماشینی)
فرکانس متن در مدل های بزرگ زبان (LLMS) به یک رویکرد رایج برای بهبود قابلیت های شات صفر تبدیل شده است ، اما این ایده کمتر در حوزه بینایی مورد بررسی قرار می گیرد.روشهای فرکانس بصری موجود در مراجعه به تقسیم بندی به بخش مهمترین شیء متمرکز است و از پرداختن به بسیاری از کارهای بینایی عمومی مانند تقسیم بندی و تشخیص تنظیم باز کم می شود.در این مقاله ، ما یک چارچوب جهانی در زمینه تصویری را برای هر دو کار معرفی می کنیم.به طور خاص ، ما در بالای یک معماری رمزگذار اسکوتر قرار می گیریم و یک رمزگذار سریع همه کاره را برای پشتیبانی از انواع مختلفی مانند سکته ها ، جعبه ها و نقاط ایجاد می کنیم.ما بیشتر آن را تقویت می کنیم تا تعداد خودسرانه از بخش های تصویر مرجع را به عنوان زمینه بدست آوریم.اکتشافات گسترده ما نشان می دهد که در حال حاضر در مورد تصویری پیشنهادی ، باعث می شود قابلیت های ارجاع فوق العاده و تقسیم بندی عمومی برای مراجعه و تشخیص ، عملکرد رقابتی را به مجموعه داده های نزدیک به دامنه و نشان دادن نتایج امیدوارکننده در بسیاری از مجموعه داده های تقسیم بندی باز نشان دهد.با آموزش مشترک در مورد CoCo و SA-1B ، مدل ما به 57.7 دلار PQ در CoCo و 23.2 دلار PQ در ADE20K دست می یابد.کد در https://github.com/ux-decoder/dinov در دسترس خواهد بود.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.