Text-conditioned JEPA para sa pag-aaral ng semantically rich visual representation
Orihinal na pamagat:Text-Conditional JEPA for Learning Semantically Rich Visual Representations
AI summary
Iminungkahi ng mga mananaliksik ang text-conditioned joint embedding predictive architecture (TC-JEPA), na nagpapababa ng visual uncertainty sa masked feature prediction sa pamamagitan ng paggamit ng image caption text bilang conditioning information. Gumagamit ang pamamaraan ng fine-grained text modulator na nagko-compute ng sparse cross-attention sa input text tokens para i-modulate ang predicted image patch features. Kumpara sa I-JEPA na nakabatay sa masked feature prediction, kayang matutunan ng TC-JEPA ang mas semantically rich visual representation, na nilulutas ang kakulangan sa semantic learning ng dating pamamaraan dahil sa visual uncertainty.
Mahahalagang impormasyon
- Iminungkahi ng mga mananaliksik ang text-conditioned joint embedding predictive architecture…
- Gumagamit ang pamamaraan ng fine-grained text modulator na nagko-compute ng sparse cross-attention…
- Kumpara sa I-JEPA na nakabatay sa masked feature prediction,kayang matutunan ng TC-JEPA ang mas…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- Apple Machine Learning Research(RSS)
- Kategorya
- Mga Papel at Pananaliksik
- AI na marka
- 69
Apple 这篇 TC-JEPA 把文本融入自监督视觉预训练,用稀疏交叉注意力减少预测不确定性,对多模态表征学习是个不错的思路补充,做视觉模型的值得一看。
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Text-conditioned JEPA para sa pag-aaral ng semantically rich visual representation. 7 Mayo 2026. https://new.nat6.net/fil/news/cmovtn194006zslcxkg4a1yti/