用视觉来做Prompt！沈向洋展示IDEA研究院新模型，无需训练或微调，开箱即用
哈喽！大家好，很高兴又见面了，我是golang学习网的一名作者，今天由我给大家带来一篇《用视觉来做Prompt！沈向洋展示IDEA研究院新模型，无需训练或微调，开箱即用》，本文主要会讲到等等知识点，希望大家一起学习进步，也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧！
用视觉来做Prompt，会带来怎样的体验？
只需在图中随意勾画一下，即可立即标出相同的类别！
即便是那种GPT-4V都难搞定的数米粒的环节。只需要你手动拉一下框，就能找出所有米粒来。
有了新的目标检测范式！
刚刚结束的IDEA年度大会上，IDEA研究院创院理事长、美国国家工程院外籍院士沈向洋展示了最新研究成果——
基于视觉提示（Visual Prompt）模型T-Rex的内容需要进行改写
整个流程交互，开箱即用，只需几步就可以完成。
此前，Meta开源的SAM分割一切模型，直接让CV领域迎来了GPT-3时刻，但仍是基于文本prompt的范式，在应对一些复杂、罕见场景就会比较难办。
现在以图换图的方式，就能轻松迎刃而解。
除此之外，整场大会也是干货满满，比如Think-on-Graph知识驱动大模型、开发者平台MoonBit月兔、AI科研神器ReadPaper更新2.0、SPU机密计算协处理器、可控人像视频生成平台HiveNet等等。
最后，沈向洋还分享了过去几年时间花时间最多的一个项目：低空经济。
我相信在低空经济相对成熟的时候，每天会有10万架无人机在深圳的天空中，而每天都会有百万架无人机起飞
用视觉来做Prompt
T-Rex除了基础的单轮提示功能外，还支持三种进阶模式
- 多轮正例模式
这类似于多轮对话，可以得出更加精确的结果，避免漏检的情况
- 正例+负例模式
适用于视觉提示带有二义性造成误检的场景。
跨图模式可以重新设计和布局图表，以轻松地可视化数据和信息
通过使用一张参考图来检测其他图像
据介绍，T-Rex不受预定义类别限制，可利用视觉示例来指定检测目标，从而解决了某些物体难以用文字充分表达的问题，提高了提示效率。特别是在一些工业场景中的复杂组件等情况下，效果尤为明显
除此之外，通过与用户交互的方式，也可以随时快速地评估检测结果，并进行纠错等。
T-Rex的构成主要包括三个组件：图像编码器、提示编码器和框解码器
这项工作来自IDEA研究院计算机视觉与机器人研究中心。
该团队此前开源的目标检测模型DINO是首个在COCO目标检测上取得榜单第一的DETR类模型；在Github上大火（至今狂揽11K星）的零样本检测器Grounding DINO与能够检测、分割一切的Grounded SAM。更多技术细节可戳文末链接。
整场大会干货满满
除此之外，IDEA大会上还重点分享了几个研究成果。
比如Think-on-Graph知识驱动大模型，简单来说就是将大模型与知识图谱结合。
大模型擅长意图理解和自主学习，而知识图谱因其结构化的知识存储方式，更擅长逻辑链条推理。
Think-on-Graph通过驱动大模型agent在知识图谱上“思考”，逐步搜索推理出最优答案（在知识图谱的关联实体上一步一步搜索推理）。每一步推理中，大模型都亲自参与，与知识图谱相互取长补短。
MoonBit月兔，这是由Wasm驱动，专为云计算与边缘计算设计的开发者平台。
该系统不仅提供了通用程序语言设计，还融合了编译器、构建系统、集成开发环境（IDE）、部署工具等模块，以提升开发体验和效率
此前发布的科研神器ReadPaper也更新至2.0，发布会现场演示了阅读copilot、润色copilot等新功能。
发布会最后，沈向洋发布《低空经济发展白皮书（2.0）——全数字化方案》，在其智能融合低空系统（Smart Integrated Lower Airspace System，SILAS）中，提出时空进程（Temporal Spatial Process）新概念。
T-Rex链接：
https://trex-counting.github.io/
今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~
重新表达的标题为：字节跳动与华东师大的合作：探索小模型的上下文学习能力
- 上一篇
- 重新表达的标题为：字节跳动与华东师大的合作：探索小模型的上下文学习能力
- 下一篇
- 照片里的人动起来了，AI初创公司Runway推出“运动笔刷”功能
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- ljg-skills
- ljg-skills 是李继刚开源的 AI 技能与提示词集合，面向大模型使用者整理了一批可复用的 prompt、角色设定和任务技能模板，适合用于学习提示词设计、搭建个人 AI 工作流和沉淀团队常用智能体能力。
- 671次使用
-
- MELO音乐
- MELO音乐是一站式AI视频与音乐制作助手，对标suno, udio的高品质体验。提供伴奏生成、原创写词、无损导出、哼唱识曲、混音变声等全套音频与短视频编辑工具。无论是流行Kpop、电音说唱、民谣古风、摇滚儿歌还是商用轻音乐，MELO为你免费谱曲，轻松做同款！
- 683次使用
-
- UniScribe
- UniScribe 是一款 AI 音视频转文字与内容整理工具，支持上传音频、视频文件或粘贴 YouTube 链接，自动生成转写文本、摘要、思维导图和关键问题，并支持多格式导出，适合会议记录、课程学习、访谈整理和内容创作复盘。
- 648次使用
-
- 剧云
- 剧云是专业中文剧本创作平台，安全稳定运行十余年，集成AI编剧、剧本医生审核、人物小传、剧情关系图、大纲编写、多人协作、Word导入导出、版权管控功能，数据安全防护，轻松高效创作剧本。
- 820次使用
-
- 万象有声
- 万象有声，一个专为有声创作者打造的新一代智能有声内容创作平台。平台提供专业的智能拆章、智能画本编辑、AI配音、AI生成音效、后期制作、智能对轨、智能审听等有声创作全流程工具，可以帮助创作者高效、低成本创作出引人入胜的有声作品。立即体验，让有声书制作更简单！
- 799次使用
-
- GPT-4王者加冕！读图做题性能炸天，凭自己就能考上斯坦福
- 2023-04-25 501浏览
-
- 单块V100训练模型提速72倍！尤洋团队新成果获AAAI 2023杰出论文奖
- 2023-04-24 501浏览
-
- ChatGPT 真的会接管世界吗？
- 2023-04-13 501浏览
-
- VR的终极形态是「假眼」？Neuralink前联合创始人掏出新产品：科学之眼！
- 2023-04-30 501浏览
-
- 实现实时制造可视性优势有哪些？
- 2023-04-15 501浏览
