TPAMI 2025 | T2I-CompBench++：用于组合式文本到图像生成的增强型综合基准测试

于 2025-05-02 10:08:29 发布
阅读量110 收藏
点赞数 3
分类专栏： 论文解读 IEEE TPAMI 文章标签： 深度学习 顶刊论文 论文解读 IEEE TPAMI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/146136150
版权

论文信息

题目：T2I-CompBench++: An Enhanced and Comprehensive Benchmark for Compositional Text-to-image Generation
T2I-CompBench++：用于组合式文本到图像生成的增强型综合基准测试
作者：Kaiyi Huang, Chengqi Duan, Kaiyue Sun, Enze Xie, Zhenguo Li, Xihui Liu
源码：https://karine-h.github.io/T2I-CompBench-new/

论文创新点

  1. 提出全面基准测试T2I-CompBench++：该基准测试包含8000个组合式文本提示，分为属性绑定（含颜色
了解本专栏 订阅专栏 解锁全文
TPAMI 2024 | 增强视觉-语言预训练中的视觉定位与位置引导文本提示
小白学视觉
05-30 269
视觉-语言预训练（VLP）在图像和文本对齐方面展示了巨大的潜力，为广泛的跨模态学习任务铺平了道路。然而，我们观察到 VLP 模型在视觉定位和局部化能力方面经常表现不佳，而这些能力对许多下游任务，如视觉推理，至关重要。为此，我们提出了一种新颖的位置引导文本提示（PTP）范式，以增强使用 VLP 训练的跨模态模型的视觉定位能力。在 VLP 阶段，PTP 将图像划分为N×NN \times NN×N块，并使用广泛使用的目标检测器来识别每个块中的目标。
TPAMI 2024 | 基于Dempster-Shafer方法的可信AI在胎儿脑MRI分割中的应用
小白学视觉
07-06 174
题目：A Dempster-Shafer Approach to Trustworthy AI With Application to Fetal Brain MRI Segmentation 基于Dempster-Shafer方法的可信AI在胎儿脑MRI分割中的应用 作者：Lucas Fidon; Michael Aertsen; Florian Kofler; Andrea Bink; Anna L. David; Thomas Deprest; Doaa Emam; Frédéric Guffens;
TPAMI 2024 | 人体运动生成：一项综述研究
小白学视觉
07-31 1414
人类动作生成旨在生成自然的人姿势序列，并展示出对现实世界应用的巨大潜力。近年来，在运动数据收集技术和生成方法方面取得了实质性进展，为人类动作生成日益增长的兴趣奠定了基础。该领域的大多数研究侧重于基于条件信号生成人类动作，例如文本、音频和场景上下文。尽管近年来取得了显著进展，但由于人类动作的复杂性质及其与条件信号的隐式关系，该任务仍然面临挑战。在这篇综述中，我们提供了人类动作生成的综合文献回顾，据我们所知，这是该领域首次此类综述。
TPAMI 2024 | 通过结构一致性实现图像处理网络的稳健模型水印
小白学视觉
11-21 98
深度网络的知识产权可以很容易地通过替代模型攻击被“窃取”。在保护分类任务中的模型知识产权方面已经取得了显著进展。然而，对于图像处理模型的保护却鲜有关注。通过利用一致的不可见空间水印，工作（张等人，2020年）首次考虑了深度图像处理网络的模型水印，并在许多下游任务中证明了其有效性。其成功依赖于一个假设，即如果所有预测输出中存在一致的水印，则该水印将被学习到攻击者的替代模型中。然而，当攻击者在替代模型训练期间使用常见的数据增强攻击（例如，旋转、裁剪和调整大小）时，它将失败，因为底层的水印一致性被破坏了。
深度学习：图像识别(匹配)方法|室内定位|论文与方法整理
热门推荐
长沙红胖子Qt的技术博客
04-27 5万+
若该文为原创文章，未经允许不得转载 原博主博客地址：https://blog.csdn.net/qq21497936 原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062 本文章博客地址： 各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究 目录 前言 整理 图像匹配 Part1：局部不变...
图像匹配 | 论文与方法整理
3D视觉工坊
04-26 1万+
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：梦寐mayshine链接：https://zhuanlan.zhihu.com/p/108858079本文转载自知乎，作者已授...
收藏 | 基于深度学习的图像匹配技术一览
数据派THU
04-04 5554
来源：信息网络工程研究中心、知乎、极客平台本文约20000字，建议阅读10+分钟本文对图像匹配的各类方法进行了详细介绍，包括方法对比、优缺点及适用场景。图像匹配应用：目标识别、目标跟踪、超...
TPAMI 2024 | FocalPose++：基于渲染和比较的焦距和物体姿态估计
小白学视觉
01-08 31
本文介绍了FocalPose++，这是一种神经渲染和比较方法，用于根据描绘已知物体的单个RGB输入图像，联合估计相机-物体6D姿态和相机焦距。这项工作有三方面的贡献：首先，我们推导出一个焦距更新规则，该规则扩展了现有的最先进的渲染和比较6D姿态估计器，以解决联合估计任务；其次，我们研究了联合估计物体姿态和焦距的几种不同的损失函数。我们发现，直接焦距回归与解耦平移、旋转和焦距贡献的重投影损失相结合，可以带来更好的结果；第三，我们探索了不同的合成训练数据对我们方法性能的影响。
基于深度学习的图像匹配技术一览
阿木寺的博客
02-15 6954
点击上方“CVer”，选择加"星标"置顶重磅干货，第一时间送达作者丨梦寐mayshine@知乎来源丨https://zhuanlan.zhihu.com/p/1088580...
在深度学习中，什么是线性插值（linear interpolation）？
最新发布
weixin_44649780的博客
04-30 405
线性插值是寻找两个点之间中间值的最基础方法之一，广泛应用于：数值计算计算机图形学机器学习和深度学习它的标准公式是：x0,x1∈Rn：两个向量或标量t∈[0,1]：插值系数（0 表示完全靠近 x0，1 表示完全靠近 x1​）它对应的是两个点之间的一条线段轨迹。线性插值就是“在两个已知点之间，按一定比例找到中间点”的方法，无论是图像、特征、模型参数，它都可以用来“平滑地过渡”。📢 想要了解更多内容，可在VX小程序搜索🔍AI Pulse,获取更多最新内容。
远程深度学习新环境配置流程
weixin_45668967的博客
04-30 246
下载并安装适合你系统的 Miniconda 版本。
Transformer：颠覆深度学习的架构革命与技术演进
源滚滚编程
04-30 860
2017年，谷歌团队在论文《Attention Is All You Need》中提出的Transformer架构，彻底改变了人工智能对序列数据的处理范式。通过这种机制，模型能够自动识别并强化相关位置的语义关联，例如在句子“The cat sat on the mat”中，“cat”与“sat”的关联权重显著高于其他无关词汇。其核心思想是：每个位置的输入向量通过**查询（Query）、键（Key）、值（Value）**三个矩阵变换，动态计算与其他位置的关联权重。，实现了全局上下文感知与并行计算的完美平衡。
【现代深度学习技术】循环神经网络07：通过时间反向传播
Morse_Chen的博客
04-28 1314
本文讲解循环神经网络的通过时间反向传播。RNN梯度分析及BPTT是理解其原理的关键，通过深入分析RNN的梯度计算过程，我们可以更好地理解梯度爆炸和梯度消失的问题，BPTT可有效训练RNN捕捉序列依赖。
基于Python Flask的深度学习电影评论情感分析可视化系统（2.0升级版，附源码）
IT徐师兄
04-27 1052
基于Python Flask的深度学习电影评论情感分析可视化系统（2.0升级版），集成了Flask框架与先进的word2vec向量模型，能够自动解析影评文本的情感倾向，精准评估电影的好评与差评比例，并通过直观的可视化界面展示分析结果。该项目通过大数据技术分析海量影评，量化好评与差评的分布，为电影评论提供全面的汇总评价分析。
一种用于从视网膜图像中识别疾病的 BERT 式自监督学习 CNN
hao_wujing的专栏
04-28 709
在我们的网络中，输出图像的大小为(224,224)，下采样率为32，使我们的蒙版大小为(7,7).我们进一步使用从预训练模块中学到的特征图进行分类研究。此外，与传统的 CNN 相比，ViT 在图像处理中表现出较少的定位能力，因为它们的机制主要针对图像的块级，而不是直接关注单个像素。].我们在 CNN 中观察到的优势，以及预训练对自我监督学习的显着好处，以及 ViT 的潜在缺点，都激发了进一步的思考：是否有可能将性能良好的 CNN 与 BERT 风格的生成式自我监督学习相结合进行预训练，以结合两者的优势？
长短期记忆网络（LSTM）
weixin_73557167的博客
04-29 1535
LSTM
深度学习---pytorch搭建深度学习模型（附带图片五分类实例）
2301_80079642的博客
04-29 906
数据增强：通过随机翻转、旋转提升模型泛化能力。模型结构：使用卷积层提取特征，全连接层进行分类。设备管理：自动检测GPU加速训练。训练技巧：Dropout防止过拟合，Adam优化器自适应学习率。模型保存：保存验证集上表现最好的模型。
RNN——循环神经网络
2403_87204666的博客
04-26 707
跨时间步跳跃连接（如 ht=ht−1+f(xt,ht−1)ht​=ht−1​+f(xt​,ht−1​)），直接传递梯度。核心机制：通过隐藏状态（hidden State）传递历史信息，每个时间步的输入包含当前数据和前一步的隐藏状态。多输入，多输出（如机器翻译）： 每个时间步接收输入并生成输出（如逐词翻译）。：若权重矩阵特征值 ∣λ∣<1∣λ∣<1，梯度指数级衰减，深层参数无法更新。：若 ∣λ∣>1∣λ∣>1，梯度指数级增长，导致数值溢出或模型震荡。：合并细胞状态和隐藏状态，参数更少。
【神经网络与深度学习】五折交叉验证（5-Fold Cross-Validation）
weixin_50512050的博客
04-28 417
五折交叉验证（5-Fold Cross-Validation）是一种广泛应用于机器学习模型性能评估的技术，通过多次实验确保模型的评估结果更加稳定、可靠，同时最大限度地利用有限的数据资源。它将数据分成若干子集，交替作为训练集和测试集，从而减少因数据划分偶然性带来的偏差，并为模型的选择和优化提供科学依据。本文将详细探讨五折交叉验证的具体流程、目的及其实际应用场景，为理解和实施这一方法提供全面的参考。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值