技术栈
vary
大数据AI人工智能培训专家培训讲师叶梓
1 年前
人工智能
·
计算机视觉
·
语言模型
·
自然语言处理
·
llm
·
ocr
·
vary
扩展大型视觉-语言模型的视觉词汇：Vary 方法
在人工智能领域，大型视觉-语言模型（LVLMs）正变得越来越重要，它们能够处理多种视觉和语言任务，如视觉问答（VQA）、图像字幕生成和光学字符识别（OCR）。然而，现有的模型通常依赖于一个通用的视觉词汇表，如CLIP，这在处理一些特殊视觉任务时可能会遇到效率低下和词汇表外问题。为了解决这些问题，研究者们提出了Vary方法，这是一种用于扩展LVLMs视觉词汇的有效方法。
Liekkas Kono
1 年前
论文阅读
·
vary
论文阅读：Vary-toy论文阅读笔记
论文：Small Language Model Meets with Reinforced Vision Vocabulary