一张图,八个问题,一次前向 这是静态截图,开启 JavaScript 后可以操作。 Glance-4B-preview 的真实输出,事先跑好,页面上只做筛选。两个阈值只作用于框问题:P(present) 低于第一个就回答“不在”,P(IoU ≥ 0.5) 低于第二个就把框标成“不准”。67 ms 是 RTX PRO 6000 上一张照片(不超过 640 个视觉 token)问 8 个问题的延迟中位…
一张图,八个问题,一次前向 这是静态截图,开启 JavaScript 后可以操作。 Glance-4B-preview 的真实输出,事先跑好,页面上只做筛选。两个阈值只作用于框问题:P(present) 低于第一个就回答“不在”,P(IoU ≥ 0.5) 低于第二个就把框标成“不准”。67 ms 是 RTX PRO 6000 上一张照片(不超过 640 个视觉 token)问 8 个问题的延迟中位…
讨论
登录后参与讨论
还没有评论,来说第一句吧。