What does CLIP know about a red circle? Visual prompt engineering for VLMs
Aleksandar Shtedritski, Christian Rupprecht, Andrea Vedaldi
[University of Oxford]
要点:
-
动机：研究如何让计算机视觉模型更好地理解图像，并探讨大型语言-视觉模型存在的潜在伦理问题。 -
方法：通过在图像上标记(比如画圈)的方式来引导模型更好地理解图像，从而在一些任务上取得了很好的效果，并对模型行为进行了分析，以探究模型的表现原因。 -
优势：这种标记方法能够在零样本情况下帮助模型更好地理解图像，并在一些任务上取得了很好的效果。此外，该论文还探讨了大型语言-视觉模型存在的潜在伦理问题。
研究了如何通过简单的标记(比如画个红圈)来引导计算机视觉模型(如CLIP)更好地理解图像，从而在一些任务上取得了很好的效果，并探讨了大型语言-视觉模型存在的一些潜在的伦理问题。
https://arxiv.org/abs/2304.06712 
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
这是一个专注于人工智能产品的导航站。
