| 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 |
- vlm 환각
- 객체 검출
- mobilenetv1
- blip-2
- dinov2: learning robust visual features without supervision
- vlm 환각이란
- dinov2: learning robust visual features without supervision 논문
- evaluating object hallucination in large vision-language models
- 논문 리뷰
- dinov2: learning robust visual features without supervision 논문 리뷰
- 원격 학습 안끊기게
- evaluating object hallucination in large vision-language models 논문
- object detection
- 엔트로피란
- 기계학습
- 딥러닝 엔트로피
- clip
- 이미지 필터링
- polling-based object probing evaluation
- vlm hallucination paper
- vlm hallucination
- 논문 요약
- vlm
- clip adapter
- dinov2 논문 리뷰
- 에지 검출
- 1차 미분 마스크
- Object detection article
- 딥러닝 목적함수
- evaluating object hallucination in large vision-language models paper
- Today
- Total
목록분류 전체보기 (72)
My Vision, Computer Vision
[논문 요약/리뷰] LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS
LoRA: Low-Rank Adaptation of Large Language ModelsAn important paradigm of natural language processing consists of large-scale pre-training on general domain data and adaptation to particular tasks or domains. As we pre-train larger models, full fine-tuning, which retrains all model parameters, becomes learxiv.orgJournal : ICLR 2022Published Date : 2021년 6월 17일Keyword : LLM, RANK Abstract모델의 크기가..
[논문 요약/리뷰] FuseMix: Data-Efficient Multimodal Fusion on a Single GPU
Data-Efficient Multimodal Fusion on a Single GPUThe goal of multimodal alignment is to learn a single latent space that is shared between multimodal inputs. The most powerful models in this space have been trained using massive datasets of paired inputs and large-scale computational resources, making tharxiv.orgJournal: CVPR 20204Published Date: 2023년 12월 15일Keyword: Single GPU, Vision Language ..
1. 전체 디스크 사용량 및 마운트된 디스크별 사용량 확인# 시스템 전체 디스크 용량, 사용량 및 사용 가능한 공간 확인df -h 2. 현재 디렉터리 내 폴더별 용량 정렬 (기본적인 확인)# 현재 디렉터리에 있는 모든 폴더를 크기 순으로 출력du -h --max-depth=1 . | sort -hrdu -h: 사람이 읽기 쉬운(human-readable) 단위(K, M, G)로 표시--max-depth=1: 현재 디렉터리의 1단계 하위 폴더까지만 출력sort -hr: 용량 기준으로 내림차순 정렬 3. 특정 폴더 내에서 가장 큰 10개 폴더 찾기# 홈 디렉터리(~/) 내에서 용량이 가장 큰 10개 폴더 출력du -h ~/ | sort -hr | head -10 4. 특정 폴더 내에서 가장 큰 파일 10개 ..
[논문 리뷰/요약] TinyLLaVA: A Framework of Small-scale Large Multimodal Models
TinyLLaVA: A Framework of Small-scale Large Multimodal ModelsWe present the TinyLLaVA framework that provides a unified perspective in designing and analyzing the small-scale Large Multimodal Models (LMMs). We empirically study the effects of different vision encoders, connection modules, language models, training darxiv.orgJournal: ArxivPublished Date: 2024년 2월 22일본 논문은 TinyLLaVA 프레임워크를 소개한다.또한..
[딥러닝 공부] Vision-Language Evaluation Metrics(VLM 벤치마크 평가 지표)
Evaluation Metrics for VLM BenchmarkVLM 벤치마크에서 자주 사용되는 평가 지표 5가지에 대해 알아보자.BLEU, METEOR, ROUGE, CIDEr, SPICE먼저 BLEU와 METEOR는 기계 번역(Machine Translation, MT)의 성능을 측정하기 위해 고안된 지표이다.ROUGE는 4가지 버전이 있고, 요약(Summary) 성능을 측정하기 위해 고안된 지표이다.CIDEr, SPICE는 이미지 캡셔닝 모델의 평가 지표로, 직접적으로 Vision-Langauge를 타겟팅한 메트릭이다.Candidation, Reference란?위 평가 지표들은 모두 모델의 성능을 측정하기 위해 만들어진 지표이다.따라서 모델이 출력한 답과 실제 정답을 비교하는 과정이 필요한데, 모..
[논문 요약/리뷰] SPICE: Semantic Propositional Image Caption Evaluation
SPICE: Semantic Propositional Image Caption EvaluationThere is considerable interest in the task of automatically generating image captions. However, evaluation is challenging. Existing automatic evaluation metrics are primarily sensitive to n-gram overlap, which is neither necessary nor sufficient for the taarxiv.orgJournal : ECCV 2016Published Date : 2016년 9월 16일keyword : Evaluation Metric, SP..