일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
Tags
- Computer Vision
- Prompt란
- Self-supervised learning
- Vision
- Computer Vision 논문 리뷰
- contrastive learning
- LLM
- deep learning
- Prompt Tuning
- Multi-modal
- Data-centric AI
- 컴퓨터비전
- cvpr 논문 리뷰
- Segment Anything 리뷰
- deep learning 논문 리뷰
- Data-centric
- open-world
- VLM
- 논문 리뷰
- medical image
- 논문리뷰
- Stable Diffusion
- CVPR
- Segment Anything
- visual language model
- Segment Anything 설명
- 딥러닝
- 자기지도학습
- cvpr 2024
- Meta AI
Archives
- Today
- Total
목록nlp (1)
Study With Inha
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/0huTD/btr6pdyUbHl/cKRImw8tkzE8e71qOUyJK0/img.png)
ECCV 2022, Visual Prompt Tuning, M. Jia et al. 논문 링크: https://arxiv.org/pdf/2203.12119.pdf 1. Introduction 최근 GPT 계열 모델과 같이 대규모 데이터와 대규모 모델을 활용한 딥러닝 연구가 많아졌다. 그러한 데이터의 경우 엔비디아나 구글과 같이 엄청난 컴퓨팅 파워를 가지고 있는 대기업이 아닌 일반인들은 Pretrain된 모델을 Fine-tuning하는 것도 어려운 상황에 이르렀다 :( 따라서 본 논문에서는 비전 분야에서 대규모 Transformer 모델을 효율적으로 활용하기 위한 새로운 fine-tuning 방법인 Visual Prompt Tuning (VPT)을 제안한다. 이는 기존의 fine-tuning 방법보다 더 ..
Paper Review
2023. 3. 27. 19:02