725 0
[精读]What Matters in Training a GPT4-Style LanguageModel with Multimodal Inputs?
Abstract 最近大型语言模型（LLMs）的进展，如GPT4，在遵循给定图像的开放式指令方面展示了出色的多模态能力。然而，这些模型的性能严重依赖于设计选择，如网络结构、训练数据和训练策略，而这些选...
1,428 0
[略读]The benefit of PCA and whitening
Negative evidences and co-occurrences in image retrieval: the benefit of PCA and whitening Abstract ...
1,550 0
[多模态]Everything at Once
Multi-modal Fusion Transformer for Video Retrieval Abstract 从视频数据中进行多模态学习最近受到了越来越多的关注，因为它允许在没有人工注释的情...
943 0
Ubuntu20.04
grub https://blog.csdn.net/seaship/article/details/96427401 Nvidia Driver https://blog.csdn.net/z_6_...
959 0
[略读]ObjectBox
From Centers to Boxes for Anchor-Free Object Detection 主要贡献｜Keypoints 标签分配｜Label Assignment 在三层特征图上预...
1,127 0
pytorch-yolov5-TRT加速推理
其中： class pycuda.driver.Context 的相关文档 push() —— Make self the active context, pushing it on top of t...
1,436 0
[精读]表格问答TAPAS
文献 TAPAS:Weakly Supervised Table Parsing via Pre-training Abatract 通过表格回答自然语言问题通常被视为语义解析任务。为了减轻完整逻辑格...