AIGC动态欢迎阅读
原标题：吉娃娃or松饼难题被解决！IDEA研究院新模型打通文本视觉
Prompt，连黑客帝国的子弹都能数清楚
关键字：腾讯,提示,模型,视觉,领域文章来源：量子位
内容字数：2824字内容摘要：
白交 发自 凹非寺量子位 | 公众号 QbitAI还记得黑客帝国经典的子弹时间吗？
IDEA研究院最新检测模型T-Rex2，可以齐刷刷给全部识别出来~
而面对难倒一众大模型「吉娃娃or松饼」的难题，它只需被投喂一张吉娃娃的照片，就能瞬间迎刃而解。
此前，也是同样的团队，推出了基于视觉提示的检测模型T-Rex。
如今，他们将视觉和文本提示融合，相互弥补各自的缺陷，实现了更强的目标检测能力。
并且与多目标跟踪模型结合后，各种视频检测任务也不在话下。
来看新研究到底说了什么。
打通文本和视觉提示在开集目标检测领域，尽管文本提示受到一定的青睐，但也存在一定的局限性。
比如长尾数据短缺。稀有或者全新的物体类别的数据稀缺可能会削弱其学习效率。还有描述上的局限性，对于一些难以用语言描绘的对象，因受限于无法精确描述，也会削弱效果。
而视觉提示提供了更直观且直接的对象表示方法，但在捕捉常见对象的概念时效果就会很差。
T-Rex2通过对比学习在单个模型中整合两种提示，因此接受多种格式的输入，包括文本提示、视觉提示以及两者的组合。
在不同场景中，它可以通过在两种提示方式之间切换来处理。
因此，它大致有三种工原文链接：吉娃娃or松饼难题被解决！IDEA研究院新模型打通文本视觉Prompt，连黑客帝国的子弹都能数清楚
联系作者
文章来源：量子位
作者微信：QbitAI
作者简介：追踪人工智能新趋势，关注科技行业新突破
