实体
Image-to-text recognition for a sequence of images
Image-to-text recognition for a sequence of images
PulseAugur coverage of Image-to-text recognition for a sequence of images — every cluster mentioning Image-to-text recognition for a sequence of images across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究探索图像分词器作为视觉语言和4D视频表示
Hugging Face 上发表的一项研究探讨了图像分词器如何在统一的多模态模型中充当视觉语言。研究人员开发了一个受控的自回归测试平台，用于分析多模态持续预训练期间特定任务的验证损失，发现损失应按任务进行分析，并且损失与性能之间的关系因预测分词空间而异。研究还表明，更好的重建并不总是能带来更低的特定任务损失或更强的下游性能，并且图像分词器的选择会影响联合优化下的文本建模。此外，另一项研究介绍了 VideoTok4D，这是一种4D感知的…
-
新框架统一了生成模型间的成员推断攻击
研究人员开发了一个统一的成员推断攻击（MIA）框架，该框架可应用于包括文本到文本、文本到图像和图像到文本在内的各种生成模型模态。这种新方法克服了先前将每种模态孤立处理的局限性。该框架利用了生成模型的输出分布可以近似其训练数据分布的观察结果，从而通过在共享嵌入空间中进行似然比测试来实现成员推断。在黑盒设置下的广泛实验表明，与现有的单类优化方法相比，该框架表现出优越的性能。