ECCV 2024 | 提升GPT-4V、Gemini檢測(cè)任務(wù)性能，你需要這種提示范式

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：ECCV 2024 | 提升GPT-4V、Gemini檢測(cè)任務(wù)性能，你需要這種提示范式
關(guān)鍵字：物體,提示,任務(wù),目標(biāo),沖浪板
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

AIxiv專欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機(jī)器之心AIxiv專欄接收?qǐng)?bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級(jí)實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報(bào)道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者來自浙江大學(xué)、上海人工智能實(shí)驗(yàn)室、香港中文大學(xué)、悉尼大學(xué)和牛津大學(xué)。作者列表：吳逸璇，王逸舟，唐詩(shī)翔，吳文灝，賀通，Wanli Ouyang，Philip Torr，Jian Wu。其中，共同第一作者吳逸璇是浙江大學(xué)博士生，王逸舟是上海人工智能實(shí)驗(yàn)室科研助理。通訊作者唐詩(shī)翔是香港中文大學(xué)博士后研究員。
多模態(tài)大模型（Multimodal Large Language Models，MLLMs）在不同的任務(wù)中表現(xiàn)出了令人印象深刻的能力，盡管如此，這些模型在檢測(cè)任務(wù)中的潛力仍被低估。在復(fù)雜的目標(biāo)檢測(cè)任務(wù)中需要精確坐標(biāo)時(shí)，MLLMs 帶有的幻覺又讓它常常錯(cuò)過目標(biāo)物體或給出不準(zhǔn)確的邊界框。為了讓 MLLMs 賦能檢測(cè)，現(xiàn)有的工作不僅需要收集大量高質(zhì)量的指令數(shù)據(jù)

原文鏈接：ECCV 2024 | 提升GPT-4V、Gemini檢測(cè)任務(wù)性能，你需要這種提示范式

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：
作者簡(jiǎn)介：