跳到正文
热点事件持续更新

Diff-Feat 用扩散模型中间特征做多标签分类

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Tian Lan、Yiming Zheng、Jianxin Yin 提出 Diff-Feat，从预训练扩散 Transformer 中提取图像与文本的中间特征并融合，用于多标签分类。 该方法发现，图像任务的最优特征出现在扩散中间步与 Transformer 中间层，文本任务则出现在无噪声步与最深层。在 Visual Genome 500 上达到 46.1% mAP，在 Pix2Cap-COCO 上达到 80.2% mAP，作者称优于强基线。代码已开源。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00
Diff-Feat：基于扩散模型的跨模态特征提取用于多标签分类

报道时间线

沿着报道，了解事件的不同侧面。

10月27日
  1. arXiv cs.AI
    Diff-Feat：基于扩散模型的跨模态特征提取用于多标签分类

    Diff-Feat 从预训练扩散 Transformer 中提取图像与文本的中间特征并融合，用于多标签分类。图像任务的最优特征位于扩散中间步与 Transformer 中间层，文本任务则位于无噪声步与最深层；该方法在 Visual Genome 500 上达 46.1% mAP，在 Pix2Cap-COCO 上达 80.2% mAP，优于强基线。代码已开源。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。