- 1、本文档共32页,其中可免费阅读31页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请公开了一种自回归生成模型的训练方法、图像处理方法以及电子设备,涉及大模型技术、图像处理领域。其中,该训练方法包括:获取第一图像;利用判别式图像分词器对第一图像进行特征提取,得到第一图像的图像特征,其中,图像特征用于表征第一图像的语义信息;将第一图像的图像特征与多个离散向量的向量特征进行比较,确定第一图像的离散特征,其中,不同离散向量对应不同的离散特征;利用第一图像的离散特征对自回归生成模型进行训练。本申请解决了采用常用的分词器对自回归生成模型的输入数据进行处理,导致自回归生成模型的性能较低
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118097323A
(43)申请公布日2024.05.28
(21)申请号202410487300.0G06V10/762(2022.01)
文档评论(0)