Entrar
insight - Generalisierte Kategorieentdeckung
Effizienter Rahmen für die verallgemeinerte Kategorieentdeckung mit räumlicher Prompt-Abstimmung
SPTNet ist ein zweistufiges iteratives Lernframework, das sowohl Modellparameter (d.h. Modell-Finetuning) als auch Datenparameter (d.h. Prompt-Lernen) optimiert, um die Leistung bei der generalisierten Kategorieentdeckung zu verbessern. Darüber hinaus schlagen wir eine neuartige Methode zur räumlichen Prompt-Abstimmung (SPT) vor, die die räumlichen Eigenschaften von Bilddaten berücksichtigt, um die Methode auf Objektteile zu fokussieren, die zwischen bekannten und unbekannten Klassen übertragen werden können.
Textuelle Wissensverarbeitung für eine verbesserte visuelle Klassifizierung unbekannter Kategorien
Durch die Nutzung von Textinformationen in Kombination mit visuellen Informationen kann die Genauigkeit der Kategorieentdeckung, insbesondere für zuvor unbekannte Kategorien, deutlich verbessert werden.
Produtos
© 2024 by Linnk AI