AntGPT 是一個將大型語言模型應(yīng)用于視頻長期行為預(yù)測(LTA)的視覺語言框架。研究人員通過使用監(jiān)督動作識別算法識別人類活動,并將其作為離散化的視頻表示輸入給 OpenAI GPT 模型。通過自回歸方法、微調(diào)或上下文學(xué)習(xí),GPT 模型可以預(yù)測未來的行動序列,從而實現(xiàn)從底向上的行動預(yù)測。
他們還利用目標(biāo)信息來提供以目標(biāo)為條件的預(yù)測,并研究了 AntGPT 在上下文推理和少樣本學(xué)習(xí)方面的能力。
定量和定性評估表明,LLMs 可以從視頻觀察的離散化動作標(biāo)簽中推斷出演員的高級目標(biāo),并且在 EPIC-Kitchens-55、EGTEA GAZE + 和 Ego4D LTA v1和 v2基準(zhǔn)測試中取得了最先進的長期行動預(yù)測性能。該研究提出了使用大型語言模型進行長期行動預(yù)測的方法,并通過 AntGPT 框架將 LLMs 與計算機視覺算法相結(jié)合,取得了顯著的成果。
核心功能:
1)預(yù)測目標(biāo):AntGPT 利用大型語言模型推斷演員的目標(biāo),即使只有少量觀察到的人類行為。
2)目標(biāo)條件預(yù)測:AntGPT 通過將目標(biāo)信息嵌入視覺框架,實現(xiàn)了基于目標(biāo)的行為預(yù)測。
3)建模動作時序:AntGPT通過將大型語言模型調(diào)整到特定領(lǐng)域的行動序列上,直接建模動作的時間動態(tài)。
4)少樣本預(yù)測:AntGPT 探索了大型語言模型在少樣本情況下的預(yù)測能力,并嘗試了不同的提示策略。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。