https://blog.qife122.com/tags/%E6%B7%B7%E5%90%88%E6%9F%A5%E8%AF%A2%E5%8F%98%E6%8D%A2%E5%99%A8/ Recent content in 混合查询变换器 on 办公AI智能小助手 Hugo zh-cn qife Wed, 17 Sep 2025 00:16:37 +0800 https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%96%B0%E6%8A%80%E6%9C%AF/ Wed, 17 Sep 2025 00:16:37 +0800 https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%96%B0%E6%8A%80%E6%9C%AF/ <h1 id="跨数据与任务扩展图像分割技术">跨数据与任务扩展图像分割技术</h1> <p>在2025年计算机视觉与模式识别会议(CVPR)上提出的一种新方法，针对图像分割任务在多样化数据集和任务中的扩展性问题进行了创新性改进。传统分割模型虽然在独立任务上表现良好，但在面对新任务或陌生场景时往往表现不佳。提出的混合查询变换器(MQ-Former)方法支持跨多个任务和数据集的联合训练与评估。</p> https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%96%B0%E6%8A%80%E6%9C%AF/ Fri, 12 Sep 2025 10:19:47 +0800 https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%96%B0%E6%8A%80%E6%9C%AF/ <h1 id="跨数据与任务的图像分割扩展技术">跨数据与任务的图像分割扩展技术</h1> <p>在2025年计算机视觉与模式识别会议（CVPR）上提出的一种新方法，解决了图像分割在多样化数据集和任务中的扩展性问题。传统分割模型虽然在独立任务上有效，但在面对新任务或陌生场景时往往表现不佳。提出的混合查询变换器（MQ-Former）方法支持跨多个任务和数据集的联合训练与评估。</p> https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%8A%80%E6%9C%AF/ Sun, 07 Sep 2025 19:50:01 +0800 https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%8A%80%E6%9C%AF/ <h1 id="跨数据与任务扩展图像分割技术">跨数据与任务扩展图像分割技术</h1> <p>在2025年计算机视觉与模式识别会议（CVPR）上提出的一种新方法，旨在解决图像分割在多样化数据集和任务中的扩展性问题。传统分割模型虽然在孤立任务上有效，但在面对新任务或陌生场景时往往表现不佳。提出的方法采用混合查询变换器（MQ-Former）模型，支持跨多个任务和数据集的联合训练与评估。</p> https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%8A%80%E6%9C%AF/ Thu, 04 Sep 2025 03:32:35 +0800 https://blog.qife122.com/p/%E8%B7%A8%E6%95%B0%E6%8D%AE%E4%B8%8E%E4%BB%BB%E5%8A%A1%E6%89%A9%E5%B1%95%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E6%8A%80%E6%9C%AF/ <h1 id="跨数据与任务扩展图像分割技术">跨数据与任务扩展图像分割技术</h1> <p>在2025年计算机视觉与模式识别会议(CVPR)上提出的一种新方法，解决了图像分割模型在多样化数据集和任务间的扩展性问题。传统分割模型虽然在孤立任务上有效，但在面对新任务或陌生场景时往往表现不佳。</p>