PaliGemma：一种可有效进行任务迁移的视觉语言模型(VLM)
PaliGemma 是一个开放的视觉语言模型（VLM），它结合了 SigLIP-So400m 视觉编码器和 G […]
PaliGemma：一种可有效进行任务迁移的视觉语言模型(VLM) Read More »
多模态
化学中的LLMs，Large Language Models and Autonomous Agents in Chemistry
论文《A Review of Large Language Models and Autonomous Age
化学中的LLMs，Large Language Models and Autonomous Agents in Chemistry Read More »
CVPR2024最佳论文：Rich Human Feedback for Text-to-Image Generation
计算机图像和模式识别2024年度大会（Computer Vision and Pattern Recognit
CVPR2024最佳论文：Rich Human Feedback for Text-to-Image Generation Read More »
Transformer需要戴上眼镜😎
Federico Barbero等近期发表论文：Transformers need glasses👓: Inf
Transformer需要戴上眼镜😎 Read More »
Human I/O，对多种情境性障碍（SIIDs）的统一检测方法
Human I/O是一种统一的方法，它使用自我中心视觉(egocentric vision)、多模态感知(mu
Human I/O，对多种情境性障碍（SIIDs）的统一检测方法 Read More »
BAKU：用于多任务策略学习的高效transformer架构
论文《BAKU：用于多任务策略学习的高效transformer架构》BAKU: An Efficient Tr
BAKU：用于多任务策略学习的高效transformer架构 Read More »