Tag · 2 篇
文本反转
分布 生成模型与扩散1视频理解与时序1
01 02
扩散心智平均
Diffusion Mental Averages
把「求平均」从像素空间搬到扩散模型的语义空间，用轨迹对齐优化多个噪声潜变量使其去噪轨迹收敛到同一原型——这提供了一个无需解码器即可在扩散潜空间做语义聚合/编辑的可复用手段，也可用于探测模型偏见与概念表征。
超越显式语言：面向通用目标跟踪的即插即用视觉到语言建模
Beyond Explicit Language: Plug-and-Play Visual-to-Linguistic Modeling Toward General Object Tracking
提出一个即插即用的文本反转模块，将模板和搜索区域的视觉特征映射到CLIP文本嵌入空间，无需显式语言输入即可为跟踪器注入语言引导，可复用于其他视觉任务以隐式利用语言先验。