计算机科学 > 计算机视觉与模式识别
[提交于 2024年10月31日
]
标题: IO Transformer:评估基于SwinV2的奖励模型在计算机视觉中的应用
标题: IO Transformer: Evaluating SwinV2-Based Reward Models for Computer Vision
摘要: 变压器及其衍生模型在文本、视觉和语音识别任务中取得了最先进的性能。 然而,很少有努力致力于训练能够评估其他模型输出质量的变压器。 本文研究了基于SwinV2的奖励模型,称为输入输出变压器(IO变压器)和输出变压器。 这些奖励模型可用于推理质量评估、数据分类和策略优化等任务。 我们的实验表明,在输出完全依赖于输入的领域中,模型输出质量评估非常准确,IO变压器在Change Dataset 25(CD25)上实现了完美的评估准确性。 我们还探索了修改后的Swin V2架构。 最终,Swin V2在IO分割数据集上的得分为95.41%,在输出不完全依赖于输入的情况下,其表现优于IO变压器。 我们的工作扩展了变压器架构在计算机视觉中的奖励建模应用,并为优化这些模型以适应各种任务提供了关键见解。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.