计算机视觉
文章平均质量分 92
小兑对对
这个作者很懒,什么都没留下…
展开
-
SAM2论文阅读
在多媒体发展迅猛的时代背景下,从时间维度实现 Segment Anything是一项颇有意义的事情。基于此,facebook便提出了SAM2,在SAM的基础上设计了在视频领域的可提示视觉分割模型,用于判断目标实体的时空范围(即新增了时间维度)。本文将就SAM2的论文进行记录,也作为自己的复习参考。原创 2024-08-08 23:48:36 · 1300 阅读 · 0 评论 -
SAM(Segment Anything)阅读笔记
作为图像分割大模型的经典代表和基础模型,SAM(Segment Anything)对于图像分割任务乃至视觉大模型都有着不可忽视的重要启蒙作用。该论文保留了当下流行且简洁的各模型对模型进行一定的创新修整,提出数据收集循环实现“数据产生数据”的伟大设想,对大数据大模型做出了极大的贡献。原创 2024-08-01 17:59:33 · 820 阅读 · 0 评论 -
元学习领域的prototype介绍
在元学习框架下的原型(prototype)可以被用作快速适应新任务的关键。prototype通过在不同任务上训练实现对支持集(support set)中的新样本进行特征学习,提炼新样本信息,在不干扰既有检测模型参数的情况下以诸如挂件的形式植入检测框架中,有效避免了原模型的退化和重头训练的资源损耗,实现对新旧样本的高准确度检测.原创 2024-07-27 10:57:42 · 858 阅读 · 0 评论