海上生林
  文章分类
人工智能 22 论文综述 1 设计模式 11 大模型基础 5 评测与算力 2 工具 11 计算机网络 7 数据库 4 java 4 计算机组成原理 5 开发环境 2 深度学习 3 认知升级 3 RAG 与知识 4 训练与对齐 4 Hexo 6 SSM 9 计算机视觉 5 算法 2 操作系统 2 开发工具 2 数学公式 1 札记 1 Python 5 PyTorch 1 SpringBoot 2 部署与推理 1
LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation
CLIP 的视觉塔十年间一路升级，文本塔却停在 77 token 的老架构上。AAAI-26 杰出论文 LLM2CLIP 的做法不是再改数据，而是把文本塔整个换成 LLM——用两阶段微调解决了直接替换会塌缩的问题，训练成本与普通 CLIP 微调相当
2026-10-27 人工智能 计算机视觉
对比学习 LLM2CLIP CLIP 多模态
实例分割：从语义分割到分割一切 实例分割：从语义分割到分割一切
检测给出"框住目标的矩形"，分割要给出"目标本身的轮廓"——像素级的输出让任务的难度、指标和标注成本都换了量级。从 FCN 到 Mask R-CNN 再到提示式的 SAM，这篇把分割家族的谱系、评估与工程落地讲清
2026-10-25 人工智能 计算机视觉
实例分割 图像分割 SAM 计算机视觉
YOLOv8 实战：环境、数据、训练与部署 YOLOv8 实战：环境、数据、训练与部署
从一个空环境开始：装依赖、跑通第一次推理、标注自己的数据、训练、读懂训练产物、导出部署——每一步给命令、预期输出和踩坑提示，全程不需要先懂检测原理
2026-10-24 人工智能 计算机视觉
模型部署 YOLO 目标检测 模型训练
YOLO 是怎么工作的：目标检测的原理与流程 YOLO 是怎么工作的：目标检测的原理与流程
目标检测要同时回答"有什么"和"在哪里"，而且答案的数量不固定。YOLO 把这两个问题压成一次前向传播的回归，十年间从七乘七网格走到免 NMS 的端到端，变化的是手段，不变的是实时这个约束
2026-10-20 人工智能 计算机视觉
深度学习 计算机视觉 YOLO 目标检测
多模态模型 多模态模型
文本是主模态，其它模态都要先被翻译成它——多模态的全部工程问题都从这句话长出来。文本是一种高效的压缩格式，但不是世界的全部格式
2026-10-14 人工智能 计算机视觉
CLIP 多模态 视觉语言模型 视觉