BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

视觉关系变换器用于无偏场景图生成

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

本文介绍了VETO，一种用于生成场景图的视觉关系变换器。它采用新颖的实体关系编码器和互斥专家学习策略，能够捕捉实体的局部线索并消除偏见。实验结果显示，VETO + MEET的预测性能比现有技术高出47个百分点，且尺寸缩小了10倍。

🏷️

标签

VETO 互斥专家学习策略 场景图 实体关系编码器 视觉关系变换器
➡️

继续阅读

  1. SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
    商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
  2. Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
    本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
  3. Kimi K3 模型结构（4）：深度维度，Attention Residuals
    本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
  4. Kimi K3 模型结构（0）：一张图看懂 Kimi K3
    Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
  5. 入蜀记 day467 小小的真理
    文章记录了作者在成都的日常生活与思考，包括买菜、阅读、观看农业节目等。作者反思实践的重要性，感叹农业的脆弱与科技应对天灾的局限，并讨论文化个体化趋势、地震...
  6. 入蜀记 day466 近谿
    作者在2026年9月的日记中记录了梦境中与老同学重逢的喜悦，反思了苏轼等古人思想被忽视的现象，分享了使用AI工具优化工作流程的体验，并强调了真实生活不可被...
👤 个人中心
在公众号发送验证码完成验证