12 2022 档案

SSL
发表于 2022-12-19 08:57阅读：27评论：0推荐：0
摘要：1、MAE 基于VIT，BERT自监督的算法引用到CV；主要思路是遮住大量的块，使用非对称的编码解码器（编码器看非mask块） 视觉和BERT不同点： 1.图片的信息密度高，仅mask部分像素，可以通过周围像素差值来获得，因此这里需要mask掉很大的比例 2、NLP还原的是词，因此通过简单的全连接就 阅读全文 »
posted @ 2022-12-19 08:57 哈哈哈喽喽喽 阅读(27) 评论(0) 推荐(0) 编辑
（多模态）VLP
发表于 2022-12-16 19:20阅读：275评论：0推荐：0
摘要：0、图文多模态学习 包含以下： 普通多模态学习,如图文检索、视觉问答、视觉推理、视觉蕴含： CLIP language guided detection language guided segmentation 文本图像生成:Dall.E2, Stable Diffusion 文本视频生成 1、普通 阅读全文 »
posted @ 2022-12-16 19:20 哈哈哈喽喽喽 阅读(275) 评论(0) 推荐(0) 编辑
(BEV综述)Delving into the Devils of Bird’s-eye-view Perception: A Review, Evaluation and Recipe
发表于 2022-12-05 21:25阅读：1708评论：0推荐：0
摘要：0、Abstract 自驾特征融合背景：自驾传感器方案由复杂的多个摄像头，激光雷达，rada等组成， 而融合多个传感器输入到统一视图的表示特征至关重要 BEV感知实现特征融合好处：BEV特征表示是 融合好的和直观的（可以直接在规控中使用） BEV感知核心问题： (a)如何通过透视视图到BEV的视图变 阅读全文 »
posted @ 2022-12-05 21:25 哈哈哈喽喽喽 阅读(1708) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示