1月16日 消息:過去一年擴散模型風(fēng)頭正勁,徹底改變了文生圖領(lǐng)域!那么,擴散模型能否處理視覺感知任務(wù)?字節(jié)跳動和復(fù)旦大學(xué)技術(shù)團(tuán)隊在最新研究中提出了一個簡單有效的方案。擴散模型在生成高清晰度圖像方面顯示出了卓越的能力,這一成就得益于其在大規(guī)模圖像-文本對上的預(yù)訓(xùn)練。團(tuán)隊提出了一種利用擴散模型處理視覺感知任務(wù)的方案,通過引入可學(xué)習(xí)的元提示到預(yù)訓(xùn)練的擴散模型中,以提取適合特定感知任務(wù)的特征。
視覺感知任務(wù)的多樣性超出了文本驅(qū)動方法的范疇,因此技術(shù)團(tuán)隊提出了一種內(nèi)部的可學(xué)習(xí)元提示,稱為meta prompts,這些meta prompts被集成到擴散模型中,以適應(yīng)感知任務(wù)。Meta prompts可以根據(jù)目標(biāo)任務(wù)和數(shù)據(jù)集進(jìn)行端到端的訓(xùn)練,從而為去噪UNet建立特別定制的適應(yīng)條件。這些meta prompts包含豐富的、適應(yīng)于特定任務(wù)的語義信息,有效展示了對類別的識別能力、對深度的感知能力以及關(guān)鍵點的感知。
擴散模型通過其固有的設(shè)計,在去噪UNet中生成多尺度特征,但視覺感知任務(wù)通常需要理解既包括低級細(xì)節(jié)的又包括高級語義解釋的內(nèi)容。為了解決這一問題,技術(shù)團(tuán)隊引入了meta prompts作為特征重組的過濾器,將UNet的多尺度特征與meta prompts的任務(wù)適應(yīng)性結(jié)合起來,并將經(jīng)過meta prompts過濾的特征輸入到特定任務(wù)的解碼器中,從而提高模型在視覺識別任務(wù)中的性能。
技術(shù)團(tuán)隊還為視覺感知任務(wù)設(shè)計了一個簡單的recurrent refinement過程,通過將UNet的輸出特征循環(huán)輸入到UNet中,并引入可學(xué)習(xí)的獨特的timestep embeddings,以調(diào)制UNet的參數(shù),從而優(yōu)化特征提取過程,增強模型在視覺感知任務(wù)中的性能。實驗結(jié)果顯示,該方法在多個感知任務(wù)數(shù)據(jù)集上都取得了最優(yōu)。
該研究提出的方法和技術(shù)有廣泛的應(yīng)用前景,可以在自動駕駛、醫(yī)學(xué)影像分析、機器人視覺系統(tǒng)等領(lǐng)域中提升視覺感知任務(wù)的性能。此外,該方法還可以在藝術(shù)創(chuàng)作、虛擬現(xiàn)實、增強現(xiàn)實等領(lǐng)域中用于提高圖像和視頻的質(zhì)量和互動性。隨著技術(shù)的進(jìn)步,這些方法可能會進(jìn)一步完善。
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(jìn)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。