多模态与计算机视觉
【ViT vs VAE for 生成/重建】用vit和vae做视觉生成和重建各有什么好坏？ 「腾讯混元」
原题【可变形注意力】介绍一下可变形注意力机制(Deformable Attention)。为什么在BEV感知中它比原生Transformer更受欢迎? 「字节跳动」
原题【图片处理到Attention代码】手撕从图片处理到attention的具体代码 「阿里巴巴」
原题【表情与ID解耦】如何做表情和id的解耦？ 「腾讯混元」
原题【表情驱动数据表征】猜测米哈游表情驱动的数据表征形式？ 「腾讯」
原题【视觉基础模型】对视觉Foundation Model有什么看法，目前的视觉基础模型存在哪些问题？ 「蚂蚁集团」
原题【轻Lidar融合】轻lidar的方案怎么做融合好一些？ 「腾讯」
原题【边缘设备BackBone选择】如果要在边缘计算设备上运行一个多模态分类模型，你会选择哪种BackBone？ 「腾讯」
原题【领域自适应】计算机视觉中的“领域自适应”问题如何解决？ 「京东」
原题【Grid Sampler】给你一个BEV特征图，手写一个Grid Sampler(网格采样器)，把周围视角的特征投影过来。 「字节跳动」
原题
暂无题目