链接：论文，Github TL;DR 本文提出了一种名为群组式引用表达分割（GRES）的新方法，以解决引用表达分割（RES）在现实世界场景中的限制。RES专注于根据文本描述在单个图像中分割对象，但无法保证描述的对象在图像中的存在。GRES将RES扩展到一组相关图像，并提出了一种名为群组引用分割器（GRSer）的基线方法，利用语言和组内视觉连接来获得更好的结果。该论文还介绍了群组引用数据...
链接：论文，Github TL;DR 文介绍了一种名为 Mask Matching Transformer 的方法，用于解决少样本语义分割问题。该方法通过将分割和匹配模块的学习解耦，采用少对少的匹配范式，提高了分割性能。具体而言，该方法包括三个模块：特征提取模块、潜在物体分割器和掩码匹配模块。特征提取模块使用 ResNet 提取图像特征，潜在物体分割器生成多个掩码提案，掩码匹配模块通过...
链接：https://pdos.csail.mit.edu/6.S081/2021/labs/pgtbl.html 难度：
Before you start coding, read Chapter 3 of the xv6 book, and related files: kern...
链接：https://pdos.csail.mit.edu/6.S081/2021/labs/syscall.html 难度：
Before you start coding, read Chapter 2 of the xv6 book, and Sections 4.3 and 4.4 of Chapter 4, and ...
1. CLIP 笔记 标题：Learning Transferable Visual Models From Natural Language Supervision 链接：论文，官方博客，GitHub 1.1 TL;DR 1.2 方法 直接上图1： CLIP 这个模型的结构很简单，甚至是简单粗暴，但很有用。模型由一个图像编码器和一个文本编码器组成，图像编码器可以使...
Title: Multimodal Learning with Transformers: A Survey (基于Transformer的多模态学习：综述) Authors: Peng Xu, Xiatian Zhu, and David A. Clifton Affiliation: Peng Xu is with Tsinghua University (清华大学). Xiat...
链接：https://pdos.csail.mit.edu/6.S081/2021/labs/util.html 难度： 这次实验通过几个小的任务让我们熟悉实验的流程以及 xv6 系统的整体概况。从名字可以看出，这次实验只是...
最近想复习一下操作系统的知识，同时久闻 6.828 大名，于是就想跟一跟这个实验
又是一次从零开始的旅程。 想起来我的第一篇博客是在大一写的，主题应该是如何搭建 hexo。那个时候还没转到计算机，觉得有一个自己的网站是一件很厉害的事情。倒是写了几篇学习方面的笔记，但我把更多的时间用来折腾博客主题和更多功能了，以为自己是在学“技术”，其实就是把别人写好的配置文件抄来抄去 hhh，现在想来确实做了很多没什么营养的事。捣鼓了好久的主题到头来没写过一篇真正意义上的文章。 不过...
NavGPT: Explicit Reasoning in Vision-and-Language Navigation with Large Language Models 论文地址：https://arxiv.org/abs/2305.16986 摘要 在以前所未有的数据规模进行训练的情况下，像 ChatGPT 和 GPT-4 这样的大型语言模型（LLMs）展现出了模...