豆花av91-豆花AV网站-豆花成人精品-豆花成人论坛-豆花成人视频-豆花成人资源-豆花福利导航-豆花精品福利-豆花乱伦自拍-豆花视频导航-豆花一区二区-豆花自拍偷拍

　　【bbin寶盈集團(tuán)官網(wǎng)科技消息】近日，bbin寶盈集團(tuán)官網(wǎng)注意到，蘋果研究人員開發(fā)出一種訓(xùn)練圖像描述生成AI模型的新方法，新模型能給出更精準(zhǔn)詳細(xì)的描述，且模型規(guī)模遠(yuǎn)小于現(xiàn)有同類模型。

　　在一項(xiàng)名為《RubiCap：Rubric-Guided強(qiáng)化學(xué)習(xí)用于密集圖像描述生成》的新研究中，蘋果研究團(tuán)隊(duì)與威斯康星大學(xué)麥迪遜分校合作，構(gòu)建了一個(gè)密集圖像描述生成模型的新框架，在多個(gè)基準(zhǔn)測試中取得了領(lǐng)先成果。密集圖像描述生成旨在為圖像內(nèi)每個(gè)元素和區(qū)域生成詳細(xì)描述，而非單一整體概述，能讓人更深入理解圖像場景，可用于訓(xùn)練視覺語言和文本轉(zhuǎn)圖像模型，提升圖像搜索和輔助工具等功能。

　　研究人員指出，當(dāng)前訓(xùn)練密集圖像描述生成模型的AI方法存在明顯不足。標(biāo)注高質(zhì)量專家級(jí)數(shù)據(jù)成本高昂，雖可用強(qiáng)大的視覺語言模型生成合成描述，但監(jiān)督蒸餾得到的輸出多樣性有限、泛化能力弱，強(qiáng)化學(xué)習(xí)雖能克服這些局限，但在開放式描述生成中難以應(yīng)用。

　　為此，研究團(tuán)隊(duì)提出新框架。他們從PixMoCap和DenseFusion-4V-100K兩個(gè)訓(xùn)練數(shù)據(jù)集中隨機(jī)抽取50000張圖像，用Gemini 2.5 Pro、GPT-5等現(xiàn)有視覺語言模型為每張圖像生成多個(gè)描述選項(xiàng)，同時(shí)讓RubiCap框架下的待訓(xùn)練模型生成自身描述。接著，RubiCap用Gemini 2.5 Pro分析圖像、候選描述和模型自身輸出，確定評(píng)判標(biāo)準(zhǔn)，再由Qr:破高膙轔?f然揩襮嫛蟿F鳩5pep=k?確矅?鷜%?疆淴恤4G?緬暑皚`x鵏 ]]穸?頺t諏?鷓?$% 燾???烊所?炎m豩=2(?r蜨R庀汬}T廞 ??ヱq鵒黮}劷:q{|?e ?%坖D覑眤丬鯇M(纈s6/搇t巗紹g.晾飽S閽?dt邊潫Lg妔譫en2.5-7B-Instruct根據(jù)標(biāo)準(zhǔn)打分，為訓(xùn)練提供獎(jiǎng)勵(lì)信號(hào)。

　　最終，研究團(tuán)隊(duì)生成了RubiCap-2B、RubiCap-3B和RubiCap-7B三個(gè)模型，參數(shù)分別為20億、30億和70億。與現(xiàn)有方法相比，它們表現(xiàn)出色，甚至超越了參數(shù)多達(dá)720億的模型。在盲排名評(píng)估中，RubiCap-7B在所有模型中排名第一，幻覺懲罰最低、準(zhǔn)確性最強(qiáng)。研究還表明，30億參數(shù)的小模型在某些基準(zhǔn)測試中表現(xiàn)優(yōu)于更大規(guī)模模型，意味著高質(zhì)量密集圖像描述生成模型不一定需要龐大體量。

版權(quán)所有，未經(jīng)許可不得轉(zhuǎn)載