|
|
|
 |
|
| 主讲：刘老师
|
| 哈佛大学人工智能方向博士后/高级访问学者 |
| 时间：1月24日 周六 上午10:00-11:00 |
| 费用：免费 |
|
|
|
|
|
分享重点：
视觉大模型可以解决传统机器视觉方案的标注成本高、泛化能力弱、场景迁移难的痛点。本讲座介绍视觉大模型的解决方案和行业实践经验。 |
课程安排:
- 1. 行业为什么需要视觉大模型
- 传统视觉方案的痛点
- 大模型带来的改变
- 2. 视觉大模型的通用能力底座
- 通用检测、分割、识别
- 零样本 / 小样本
- 语言驱动视觉理解
- 3. 图像分割大模型的行业实践
- 工业与制造
- SAM：工件、缺陷区域分割
- Grounded-SAM：语言描述定位异常
- 安防与城市治理
- SAM2：视频目标连续分割
- Semantic-SAM：城市要素语义分割
- 医疗与遥感
- SAM：辅助分割、数据生成
- 专用模型 + 大模型协同
- 机器人与智能系统
- Sa2VA：视觉能力进入 Agent
- 从“看见”到“行动”
- 4. 行业落地模式总结
- 大模型 ≠ 直接替代业务系统
- “大模型 + 行业规则 + 小模型”的组合路线
- 5. 未来展望
- 视觉大模型的产业化趋势
- 从单点算法到智能平台
目标听众：关注AI的技术人员
|
请关注官方微信号，了解后续的课程! |
| |
|
|
| |
|
|
问题收集（以下为最新20个问题）
1. 视觉大模型嵌入式应用能力及方案视觉大模型嵌入式应用进展
视觉大模型训练需要的专业能力
如何通过对大模型对任意类型文本精进行自动识别和标注
| 2. 视觉大模型的推理效率是否成为规模化应用的主要障碍
| 3. 视觉大模型如何应用于水下小目标智能识别
| 4. 空中识别低空小型无人机技术能达到什么水平？或有什么技术路线。
在低空飞行场景中，视觉大模型如何实现“看见”到“理解”？
| 5. 视觉大模型嵌入式应用能力及方案
视觉大模型嵌入式应用进展
| 6. SAM和大模型如何融合
| 7. 如何通过对大模型对任意类型文本精进行自动识别和标注
推荐几个自动标注工具
如果自动搜集网络上的垂域信息，包括书籍、论文、专利
| 8. 视觉大模型训练需要的专业能力
| 9. 向量数据库、视觉大模型的泛化能力、性能和硬件开销各有什么优劣？
图片搜索向量数据库、视觉大模型哪个好？
视觉大模型能不能切分并分布式部署？
|
|
|
阅读 338
9 |
|
|
|
|
|
|
|
