实体
Visual In-Context Learning
Visual In-Context Learning
PulseAugur coverage of Visual In-Context Learning — every cluster mentioning Visual In-Context Learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
指令蒸馏提升MLLM视觉学习效率
研究人员开发了一种名为指令蒸馏的新方法，以提高多模态大语言模型（MLLM）视觉上下文学习（ICL）的效率。此离线过程为每个训练图像生成特定的文本指令，编码外观线索和区分特征，与仅使用图像示例相比，显著减少了推理过程中所需的上下文令牌数量。在多个基准测试和MLLM骨干模型上的实验表明，基于指令的ICL在较小的规模下可以匹配或超越基于图像的ICL性能，而结合图像和指令的混合方法可以带来互补的优势和进一步的性能提升。
-
新研究质疑视觉上下文学习的模型大小
arXiv上发表的两篇新研究论文探讨了视觉上下文学习（VICL）的有效性。其中一篇论文通过训练一个仅有100万参数和7万张图片的微型模型，挑战了大型模型和海量数据对VICL至关重要的观点。另一篇论文介绍了VIBE，这是一个旨在评估跨不同领域和任务的VICL模型的综合基准，突显了当前适应能力评估的局限性。