BriefGPT - AI 论文速递 · 2023-10-11T00:00:00Z

引导注意力的可解释运动字幕

📝

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