Zobrazeno 1 - 9
of 9
pro vyhledávání: '"Yang, Zaiquan"'
This paper explores the weakly-supervised referring image segmentation (WRIS) problem, and focuses on a challenging setup where target localization is learned directly from image-text pairs. We note that the input text description typically already c
Externí odkaz:
http://arxiv.org/abs/2410.01544
Zero-shot learning (ZSL) aims to recognize unseen classes by exploiting semantic descriptions shared between seen classes and unseen classes. Current methods show that it is effective to learn visual-semantic alignment by projecting semantic embeddin
Externí odkaz:
http://arxiv.org/abs/2207.14581
Contrastive Language Image Pretraining (CLIP) has received widespread attention, since its learned representations can be transferred well to various downstream tasks. During the training process of the CLIP model, the InfoNCE objective aligns positi
Externí odkaz:
http://arxiv.org/abs/2206.10996
Publikováno v:
In Image and Vision Computing December 2022 128
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Zhang, Fan, Jiang, Zhenxue, Zhang, Yuanhao, Hu, Bin, Yang, Zaiquan, Yang, Yuhua, Tang, Xianglu, Xiao, Hanmin, Zhu, Lin, Han, Yunhao
Publikováno v:
Journal of Earth Science; Aug2023, Vol. 34 Issue 4, p966-974, 9p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Contrastive Language Image Pretraining (CLIP) received widespread attention since its learned representations can be transferred well to various downstream tasks. During CLIP training, the InfoNCE objective aims to align positive image-text pairs and
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5c6f2b91932d698120d728ba845b7567