cyb66666

摘要： GLIP-L 和 GLIP-T(C) 在 COCO 数据集上的 Zero-Shot 预测结果 GPU为Tesla P40 24G。 指标 GLIP-L GLIP-T(C) AP@[IoU=0.50:0.95] (所有区域的平均精度) 51.24%/61.7% 46.74%/55.1% AP@[IoU 阅读全文

摘要： 2024年11月学习月报 SegEarth-OV SegEarth-OV是面向遥感图像的开放词汇语义分割模型。SegEarth-OV的模型架构为CLIP，并且采用SimFeatUp作为上采样器。由于FeatUp中的上采样器和下采样器都是可学习的，所以难以保证HR特征完整。于是在SimFeatUp中引 阅读全文

摘要： GeoChat 任务 图像级对话任务 在此任务中，GeoChat 处理图像和用户文本查询，利用图像的全局上下文执行对话的任务。 区域级对话任务 在图像输入中向 GeoChat 提供空间框位置 ( b )，指导模型关注图像中的特定区域，执行区域级的对话任务。 具体化对话任务 通过使用特殊的标记，引导G 阅读全文

摘要： 一、学习目标 学习 VLM 的基本原理和架构，理解视觉和语言信息的融合方式，掌握 VLM 的训练方式与评估方法。 学习 VLM 在遥感领域的应用（RemoteCLIP、ChangeCLIP），并尝试本地复现。 二、学习内容 文献 An Introduction to Vision-Language 阅读全文