语言引导扩散模型用于视觉定位

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本文介绍了新的基准数据集SK-VG,要求模型具备推理能力以确定目标对象。提出了两种接受三元类型输入的方法,并通过实验证明了其可行性和有希望的结果,但仍有改进空间。

🏷️

标签

➡️

继续阅读