AIGC動態歡迎閱讀

原標題：吉娃娃or松餅難題被解決！IDEA研究院新模型打通文本視覺Prompt，連黑客帝國的都能數清楚
關鍵字：騰訊,提示,模型,視覺,領域
文章來源：量子位
內容字數：2824字

內容摘要：

白交 發自 凹非寺量子位 | 公眾號 QbitAI還記得黑客帝國經典的時間嗎？
IDEA研究院最新檢測模型T-Rex2，可以齊刷刷給全部識別出來~
而面對難倒一眾大模型「吉娃娃or松餅」的難題，它只需被投喂一張吉娃娃的照片，就能瞬間迎刃而解。
此前，也是同樣的團隊，推出了基于視覺提示的檢測模型T-Rex。
如今，他們將視覺和文本提示融合，相互彌補各自的缺陷，實現了更強的目標檢測能力。
并且與多目標跟蹤模型結合后，各種視頻檢測任務也不在話下。
來看新研究到底說了什么。
打通文本和視覺提示在開集目標檢測領域，盡管文本提示受到一定的青睞，但也存在一定的局限性。
比如長尾數據短缺。稀有或者全新的物體類別的數據稀缺可能會削弱其學習效率。還有描述上的局限性，對于一些難以用語言描繪的對象，因受限于無法精確描述，也會削弱效果。
而視覺提示提供了更直觀且直接的對象表示方法，但在捕捉常見對象的概念時效果就會很差。
T-Rex2通過對比學習在單個模型中整合兩種提示，因此接受多種格式的輸入，包括文本提示、視覺提示以及兩者的組合。
在不同場景中，它可以通過在兩種提示方式之間切換來處理。
因此，它大致有三種工

原文鏈接：吉娃娃or松餅難題被解決！IDEA研究院新模型打通文本視覺Prompt，連黑客帝國的都能數清楚

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破