实体
ScienceQA-IMG
ScienceQA-IMG
PulseAugur coverage of ScienceQA-IMG — every cluster mentioning ScienceQA-IMG across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
TraceICL框架提升LVLM的多模态上下文学习能力
研究人员开发了TraceICL,一个旨在增强大型视觉语言模型(LVLM)多模态上下文学习鲁棒性的新框架。该框架包含三个阶段:线程解析分解器(Thread-Resolved Decomposer)用于正确绑定图像及其对应的文本;影响评分演示选择器(Influence-scored Demonstration Selector)用于移除冗余示例并排序信息性示例;以及弱到强一致性校准模块(Weak-to-Strong Consistency…
-
新的 ClustRS 算法提升了 VLM 的效率和鲁棒性
研究人员开发了 ClustRS,这是一种新颖的、无需训练的两部分算法,旨在提高视觉语言模型(VLM)的效率和鲁棒性。该方法采用注意力加权聚类方法来识别和选择代表性的视觉令牌,然后进行去噪步骤来精炼这些令牌。ClustRS 算法显著减少了所需的视觉令牌数量,使得 LLaVA 等 VLM 更适合在边缘设备上部署,并提高了它们对各种图像噪声条件的抵抗能力。
-
MAViE编码器将视觉语言模型效率提升80%
研究人员推出MAViE,一种多尺度自适应视觉编码器,旨在提高视觉语言模型的效率和有效性。MAViE利用位置依赖门控来整合来自视觉Transformer不同深度的特征,从而在保留全局语义的同时增强边缘和文本等局部细节的表示。该系统还采用问题条件令牌路由,根据图像复杂性和问题相关性来调整其令牌预算,显著减少处理的视觉令牌数量并提高推理速度。