Kamino
  • 首页
  • 归档
  • 分类
  • 标签
  • 关于
  • 友链
  •   
  •   

论文笔记 BLIP-2 Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models

Salesforce团队于2023年1月发布的大规模视觉-语言预训练模型,在前作BLIP的基础上发展而来,BLIP2展示了一种利用已有的大型图像编码器(如CLIP)和大型语言模型(如OPT、GPT)的训练方式,其中这两个模型在训练时均不更新参数,而是只学习连接两者的一个仅有186M参数的Q-Former。这种架构能够适应并利用如今的各种图像编码器和语言模型,并且由于冻结了大部分参数,在计算上也有巨

2023-02-17
论文笔记 先进模型速览
大规模视觉语言预训练

论文笔记 Zero-Shot Scene Graph Relation Prediction through Commonsense Knowledge Integration

ECML PKDD 2021会议论文,文章通过常识融合提升了场景图(Scene Graph)关系生成的Zero-shot性能。其提出了Coacher架构,针对知识图谱中节点的邻居和路径进行建模,本文主要关注其对常识的利用。

2023-02-08
论文笔记
Video Captioning 知识图谱 ConceptNet 场景图生成 SGG

论文笔记 mPLUG Effective and Efficient Vision-Language Learning by Cross-modal Skip-connections

阿里巴巴达摩院于22年5月发布的大规模视觉-语言预训练模型——mPLUG,该模型在多个视觉-语言的下游任务(包括分类和生成任务)直到本文写的时间为止都处于SOTA,并且在运行速度上也有较大的提升。其主要设计了一种新的跨模态skip-connected网络。

2023-02-01
论文笔记
多模态预训练

论文笔记 X-VLM Multi-Grained Vision Language Pre-Training Aligning Texts with Visual Concepts

来自字节跳动的发布于ICML2022上的一个多模态的视觉-语言预训练模型:X-VLM,其将图像中的视觉概念与文本以不同粒度关联起来,如图1,其他方法要不然就像(a)那样依赖于目标检测模型,要不然就像(b)那样将文本与整副图像关联,而X-VLM则是(c)这样将不同文本关联到图像的不同位置上,并且不需要预训练的目标检测模型。

2023-01-29
论文笔记
多模态预训练 ICML2022

图神经网络学习笔记:从GCN到GAT再到Relation-aware GNN

我学习图神经网络的入门学习笔记,本篇主要从图神经网络框架开始,介绍基础的图卷积神经网络(GCN),再介绍学习边注意力的图注意力网络(GAT),最后到与边种类有关的Relation-aware的图神经网络。

2023-01-08
论文笔记
图神经网络 GAT GCN Relation-aware

《知识增强的预训练语言模型》论文简单翻译

简简单单翻译这篇论文,可能有错误,仅供参考。原文第五章Evaluating KEPLMs由于兴趣不足没有翻译。参考文献的序号并没有全部标上,详细可以看原文。

2023-01-03
论文笔记
PLM Knowledge-Enhanced

DEKCOR:使用外部知识来进行常识QA任务

本文进行常识问答任务(Commonsense Question Answering),利用了外部知识源ConceptNet和Wikitionary。

2022-12-05
论文笔记
QA ConceptNet Wikitionary

Detecting Twenty-thousand Classes using Image-level Supervision论文笔记(以及目标检测基础知识)

本文提出了一个Detic的目标检测模型,它能通过利用Image-level的监督标签学习(可以算是弱监督),从而实现20000多类(甚至更多)的检测,并且这种模式能够简单应用于其他检测架构或套用其他backbone。同时,Detic实现的还是open-vocabulary的检测,可以不局限于数据集的标注,不finetune的情况下检测出新的目标。

2022-11-16
论文笔记
Detic Object Detection Faster RCNN ECCV2022

知识图谱(Knowledge Graph)与计算机视觉(Computer Vision)结合初见笔记

一些KG与CV结合的论文笔记,每篇论文只说清楚结合的大概方法以供参考。

2022-11-07
论文笔记
ConceptNet Knowledge Graph GNN Graph Neural Network

SmallCap:Lightweight Image Captioning Prompted with Retrieval Augmentation 论文笔记

本文是22年9月底的一篇新论文,提出了一个轻量的Image Captioning模型,其包括1.8M/3.6M/7M 三个拥有不同可训练参数版本的小模型,相较于其他轻量模型,SmallCap更轻且效果和其它有可比性甚至超越。其通过Image-text检索,从数据库中检索出与图片相近的句子,然后通过Prompt的方式输入一个语言模型来得到最终的Caption。

2022-10-27
论文笔记
Image Captioning SmallCap 小模型
1…7891011…18

搜索

Hexo Fluid
载入天数... 载入时分秒...
总访问量 次 总访客数 人