字节跳动近期发布了一项名为'Byte Latent Transformer'的新型算法，在大规模模型训练中，采用了Patch而非Token作为基本的处理单元。该算法对于图像和视频内容的理解与分析展现出了卓越的性能，尤其适用于处理高分辨...

CIFAR-10是一项图像分类基准测试。这段代码提供了一个训练配置，能在惊人的短时间内实现良好的性能。CIFAR-10数据集是机器学习领域常用的图像分类数据集，包含了10个类别的60000张32x32彩色图像，其中50000张用于训...

苹果公司最近向Hugging Face开源AI仓库贡献了20个Core Machine Learning模型，以此来提升公有模型在图像分类和深度分割方面的性能。此举紧随苹果发布Ferret大型语言模型和四个OpenELMs到Hugging Face的步伐。这一举...

近日，一个全新的Mamba模型引起了工业界的广泛关注。该模型通过使用对比性语言-图像预训练(CLIP)的方式进行训练，展现出在零样本图像分类任务上的出色效率和性能。据了解，零样本分类任务一直是计算机视觉领域的一个...

SURE技术是一种将多种技术结合起来，提高深度神经网络对于图像分类任务中不确定性预测可靠性的新方法。该方法通过模型置信度估计、模型不确定性估计和置信度校准三个步骤来实现置信度的提高。SURE技术的应用将大大提...

这篇论文重新审视了经典的高斯判别分析（GDA）算法，以改善CLIP在图像分类任务中的性能，而不需要额外的训练或资源。GDA算法通过增加一个基于贝叶斯公式的先验，实现了对输入向量的加权处理，从而有效地降低了噪声对...

SAFE是一种新的模式识别融合框架，它结合了预训练的视觉和语言模型，使用RGB帧、事件流和语义标签进行融合。该框架能够通过各种传感器收集的数据来识别和理解环境中的对象和场景，具有广泛的应用前景。在实现过程中...

这项研究表明，使用大型语言模型将类别组织成层次结构可以提高图像分类的准确性，从而解决预训练模型（如CLIP）中存在的偏差问题，这些模型会混淆相似的类别。

Meta AI近日公布了一系列利用虚幻引擎进行超真实图像处理的数据集。发布的数据集包括用于基础模型研究的PUG：动物，用于评估图像分类器鲁棒性的PUG：ImageNet，以及用于视觉语言模型评估的PUG：SPAR。这些数据集的发...

一项最新研究介绍了PerceptionCLIP，这是一种模拟人类视觉感知过程的两步图像分类方法，旨在更好地利用CLIP，一种突出的视觉语言模型。首先，通过识别背景属性并利用它们区分前景物体，这种新方法在图像分类任务中提...