Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks
1:03:33
Oscar: Object-Semantics Aligned Pre-training for Vision-Language T…
2020年5月4日
Microsoft
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vision-Language Navigation
1:20
Reinforced Cross-Modal Matching and Self-Supervised Imitation Lear…
2018年11月27日
Microsoft
DINOv3: A Next-Gen Vision Model via Self-Supervised Learning | OpenCV University posted on the topic | LinkedIn
DINOv3: A Next-Gen Vision Model via Self-Supervised Learning | Op…
5 个月之前
linkedin.com
In vision-and-language pretraining (VLP), objects can be used as anchor points to make aligning semantics between image-text pairs easier. Learn how Oscar, a novel VLP framework utilizing objects, sets new state of the art on six vision-and-language tasks: https://aka.ms/AA8flix | Microsoft Research
0:12
In vision-and-language pretraining (VLP), objects can be used as anc…
已浏览 2.3万 次2020年5月15日
FacebookMicrosoft Research
Research talk: Large-scale, self-supervised pretraining: From language to vision
24:50
Research talk: Large-scale, self-supervised pretraining: From lang…
2021年11月16日
Microsoft
NICE Session 80: ICCV 2025 Paper Sharing Session 2
1:27:56
NICE Session 80: ICCV 2025 Paper Sharing Session 2
已浏览 50 次3 个月之前
YouTubeNLP Academic Exchange Platform
Computer Vision: Did one breakthrough change everything?
36:03
Computer Vision: Did one breakthrough change everything?
2 个月之前
YouTubeBig Ideas Only
7:23
Robot Foundation Models - The Path from RT-1 to RT-2 | Uplatz
已浏览 1 次1 个月前
YouTubeUplatz
0:37
Vision Language Models #GlobalSensorAwards#sensorawa…
1 个月前
YouTubeGlobal Sensor
6:44
The Future of AI That Thinks Before It Speaks | VL-JEPA Explained: Ho…
已浏览 87 次1 个月前
YouTubeNeural Nexus
4:25
#20. Types of Foundation Models
已浏览 16 次1 个月前
YouTubeTech With Mala
2:14
A Survey of Large Language Model Architectures and Their Impact o…
已浏览 4 次1 个月前
YouTubePaper to PPT : Natural Language Processing
13:20
Vision Encoders in Vision-Language Models: A Survey
已浏览 83 次1 个月前
YouTubeAI Papers Podcast Daily
12:49
RynnVLA-002: A Unified Vision-Language-Action and World Mode…
已浏览 28 次2 个月之前
YouTubeAI Papers Slop
1:10
What is Self-Supervised Learning?
2 个月之前
YouTubeData Science Made Easy
0:41
VaulTech on Instagram: "End of LLMs? VL-JEPA stands for Vision …
已浏览 386 次1 个月前
Instagramvaultechi
Stanford Seminar - Robot Learning in the Era of Large Pretrained Mod…
已浏览 1万 次2024年3月13日
YouTubeStanford Online
UrbanCLIP: Learning Text-enhanced Urban Region Profiling with Contr…
2024年4月29日
acm.org
HKML S3E11 - FinBERT: A Pretrained Language Model for Fi…
已浏览 2357 次2021年6月26日
YouTubeHKML
Large Vision Language Models Tutorial for BRAILS ++
已浏览 587 次2024年9月12日
YouTubeNHERI DesignSafe
2:29:42
逐篇解析机器人基座模型和VLA经典论文（含投屏版）——“人就是最智 …
已浏览 3500 次10 个月之前
YouTube張小珺Xiaojùn Podcast
1:42:09
ICCV 2025论文分享 第二场
已浏览 643 次5 个月之前
bilibiliNICE学术
23:33
A Survey on Efficient Vision-Language-Action Models(TJU 2025)
已浏览 717 次3 个月之前
bilibilimardinff
59:35
A Survey on Large Multimodal Reasoning Models-2-多模态大模型 …
已浏览 1568 次5 个月之前
bilibili小林绿子的怀中猫
22:57
多模态经典论文集7：BEiT-3
已浏览 3301 次9 个月之前
bilibiliDeepFinder
1:35
开源！首个原生3D高斯大模型SceneSplat，端到端解锁万物识别…
已浏览 4835 次5 个月之前
bilibili深蓝学院
3:03
一体式多模态大模型VL-BEIT做了什么？BERT有什么优点？
已浏览 776 次2024年6月14日
bilibiliPh-D-Vlog
4:07
2024最新大模型科研分享！10篇全新论文带你激发研究灵感，建议火速收 …
已浏览 1245 次2024年7月3日
bilibili账号已注销
48:07
OpenAI CLIP: ConnectingText and Images (Paper Explained)
已浏览 16.9万 次2021年1月12日
YouTubeYannic Kilcher
15:57
从零开始“看懂”世界：DINOv3如何让AI学会视觉？
已浏览 5481 次5 个月之前
bilibili极市平台
观看更多视频
静态缩略图占位符