PulseAugur
实时 09:18:23
实体 Large Vision-Language Model

Large Vision-Language Model

PulseAugur coverage of Large Vision-Language Model — every cluster mentioning Large Vision-Language Model across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_141737 ·

    TextGaze 使用 LVLM 进行注视点估计 · arXiv cs.CV

    研究人员推出了一种新颖的注视点估计架构 TextGaze,该架构利用大型视觉语言模型 (LVLM) 进行语义引导。该方法旨在克服现有方法的局限性,这些方法要么需要大量的标注,要么仅关注低级视觉显著性。TextGaze 提取视觉特征,并采用 LVLM 生成与注视对齐的文本线索,通过具有分层文本监督的基于 Transformer 的融合模块进行处理。该模型能够高效地预测注视热图以及帧内/帧外状态,在四个主流数据集上展示了具有竞争力的性能和…