返回全部题目← 上一题261 / 315下一题 →题库/模型基础与推理/Q-6016开放词汇与视觉提示检测如何用可变查询定位目标？知识专题：多模态与生成模型题目类型：比较选型技术难度：进阶收录题集：2 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集2 份多模态与计算机视觉阿东玩 AI · AgentGuide · 1 条原题查看题集 →【Grounding DINO】介绍grounding dino，他的几种text和image的融合方式。比如text做query，image是做k和v吗? 「蚂蚁集团」目标检测Rocky Ding · AIGC-Interview-Book · 5 条原题查看题集 →介绍一下GLIP（Grounded Language-Image Pre-training）及其如何将检测重构为短语定位问题？介绍一下YOLO-World？介绍一下Grounding DINO？展开其余 2 条原题什么是T-Rex模型？它是如何通过“视觉提示（Visual_Prompting）”实现通用物体检测的？相比于文本提示（如GLIP），视觉提示（Visual_Prompting）在目标检测中有什么独特优势？相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题扩散式目标检测如何从噪声框迭代生成检测框？下一题 →开放世界检测如何区分未知目标与背景，并学习后续新类别？
