BriefGPT - AI 论文速递 · 2023-10-11T00:00:00Z 引导注意力的可解释运动字幕 💡 原文中文，约500字，阅读约需1分钟。 📝 内容提要 研究发现，扩散模型生成的描述可以提高文本图像对齐和模型的交叉注意力图，从而提高知觉性能。该方法在ADE20K和NYUv2数据集上改进了语义分割和深度估计模型，并适用于跨领域环境。此外，该方法还在Pascal VOC和Cityscapes数据集上实现了最佳结果。 🏷️ 标签 交叉注意力图 扩散模型 文本图像对齐 深度估计 语义分割 阅读原文 生成长图 分享链接 已复制链接
