Is BERT Blind? Exploring the Effect of Vision-and-Language Pretraining on Visual Language Understanding
专题命中 VLM训练与架构 :visual reasoning(abstract);分类 cs.CV、cs.LG
Comments Accepted to CVPR 2023. Project webpage: https://isbertblind.github.io/
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 VLM训练与架构 :visual reasoning(abstract);分类 cs.CV、cs.LG
Comments Accepted to CVPR 2023. Project webpage: https://isbertblind.github.io/
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
Comments 18 pages, 9 figures
专题命中 VLM训练与架构 :vision language model(abstract);分类 cs.CV、cs.AI
Comments 12 pages, 5 tables and 6 figures
专题命中 VLM训练与架构 :vision language model(abstract);分类 cs.AI、cs.LG
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Accepted by NeurIPS 2023
专题命中 VLM训练与架构 :VLM(abstract);分类 cs.CV、cs.LG
Comments Accepted by CVPR 2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.AI、cs.LG
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
Comments Accepted by ICCV 2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
Comments ACL 2023
专题命中 VLM训练与架构 :visual language model(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.AI
Comments Project page: https://github.com/chenzcv7/MOTOR
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
Comments ICLR 2023
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
Comments Accepted at ICLR 2023
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.AI、cs.LG
Comments Accepted to ACM RecSys 2022. The arXiv version is more comprehensive
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.CV、cs.AI
Comments Accepted by ACM MM22
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.CV、cs.LG
Comments This work is based on the PhD thesis with the same name, author, year and institution. Both works may be cited interchangeably
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :grounding(abstract);分类 cs.CV、cs.AI
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.LG
Journal ref ICML 2020
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.LG
Comments Source code available at: https://github.com/subho406/OmniNet
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.LG
专题命中 VLM训练与架构 :visual question answering(abstract);分类 cs.CV、cs.LG
Comments EMNLP 2019 (14 pages; with new attention visualizations)
说什么和何时说:Live Fitness Coaching作为情境交互的测试平台
机构 * TwentyBN GmbH(TwentyBN公司) ; Qualcomm AI Research(高通人工智能研究) ; Aignostics GmbH(Aignostics公司) ; UC San Diego(加州大学圣地亚哥分校)
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV;VLM(comments)
AI总结 本文提出QEVD基准和数据集,研究人类与AI在健身指导中的情境交互,测试视觉语言模型在实时反馈中的能力,揭示现有模型的局限并提出异步流式基线方法。
Comments Accepted to the 2024 NeurIPS Datasets and Benchmarks track; Data: https://www.qualcomm.com/developer/software/qevd-dataset Dataset quick start guide: https://github.com/varworkshop/ai_coach_fitness_2026 and Stream-VLM code: https://github.com/Qualcomm-AI-research/FitCoach
专题命中 VLM训练与架构 :multimodal large language model(abstract);分类 cs.CV;MLLM(comments)
Comments Long Video MLLM; work in progress
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV;VLM(comments)
Comments The project page is available at https://vlm-driver.github.io/
专题命中 VLM训练与架构 :vision-language model(abstract);分类 cs.CV;VLM(comments)
Comments Add results on 1) EventCLIP with another VLM FLIP 2) inference speed analysis