猫眼电影
猫眼电影记者 崔志坚 报道y85ouztigy6ysf5y
机器之心报道
编辑：蛋酱、杜伟
扩展无语言的视觉表征学习。
在视觉问题解答（VQA）等多模态环境中，当前视觉自监督学习（SSL）的表现还比不上语言图像预训练（CLIP）。这种差距通常归因于语言监督引入的语义，尽管视觉 SSL 模型和 CLIP 模型通常在不同的数据上进行训练。
在最近的一项研究中，Yann LeCun、谢赛宁等研究者探讨了一个基本问题： 语言监督对于多模态建模的视觉表征预训练是否必要？
论文标题：Scaling Language-Free Visual Representation Learning论文链接：https://arxiv.org/pdf/2504.01017项目地址：https://davidfan.io/webssl/
「我们的目的不是要取代语言监督方法，而是要了解视觉自监督在多模态应用中的内在能力和局限性。为了进行公平的比较，我们在与最先进的 CLIP 模型相同的数十亿规模的网络数据（特别是 MetaCLIP 数据集）上训练 SSL 模型。在比较视觉 SSL 和 CLIP 时，这种方法可以控制数据的分布差异。」研究者表示。
论文共同一作 David Fan 表示，「视觉 SSL 终于可以在 VQA 任务上与 CLIP 匹敌了，即使在 OCR & Chart VQA 上也非常具有竞争力。我们的全新 Web-SSL 模型系列证明了这一点，并且仅仅基于网络图像训练，没有进行任何语言监督。」
在评估方面，研究者主要使用视觉问题解答（VQA）作为框架，大规模评估 SSL 模型的各种能力。具体来说，采用了 Cambrian-1 中提出的评估套件，跨越 4 个不同 VQA 类别的 16 项任务的性能： 通用、知识、OCR & 图表以及 Vision-Centric。
然后，他们使用上述设置训练了 Web-SSL，这是一个视觉 SSL 模型系列，参数范围从 10 亿到 70 亿不等，以便与 CLIP 进行直接和可控的比较。
通过实证研究，研究者提出了一些见解：
视觉 SSL 可以在广泛的 VQA 任务中，甚至在 OCR & 图表理解等语言相关任务中，匹配甚至超越语言监督的视觉预训练方法（图 3）；视觉 SSL 在模型容量（图 3）和数据（图 4）方面都有很好的扩展性，这表明 SSL 还有巨大的潜力有待挖掘；视觉 SSL 可以在分类和分割方面保持传统视觉性能的竞争力，同时在 VQA 方面也有所改进（图 7）；对包含文本的图像进行更高比例的训练对于提高 OCR 和图表性能尤为有效（问题 4）。探索数据构成是一个很有前景的方向。
随后，研究者介绍了本文的实验设置，它通过以下方式扩展了之前的 SSL 工作：
（1）将数据集规模扩展到十亿级图像（第 2.1 节）；
（2）将模型规模扩展到 1B 参数以上（第 2.2 节）；
（3）除了 ImageNet-1k 和 ADE20k 等经典视觉基准之外，还使用开放式 VQA 任务（第 2.3 节）评估视觉模型。
扩展 Visual SSL
研究者也探讨了视觉 SSL 模型在模型和数据大小方面的扩展行为，这是仅对 MC-2B 图像进行训练的结果。这一部分重点讨论 DINOv2 作为视觉 SSL 方法，下一部分会重点讨论 MAE。
扩展模型大小：研究者将模型大小从 1B 增加到 7B，同时将训练数据固定为 20 亿张 MC2B 图像。他们对每种方法都使用了现成的训练代码和配方，为了控制混杂变量，没有因模型规模不同而改变配方。扩展所见样本：研究者将重点转移到对固定模型大小的总数据进行缩放，并分析当训练过程中看到的图像数量从 10 亿增加到 80 亿时，性能是如何变化的。
扩展模型大小
研究者使用来自 MC-2B 的 20 亿张 224×224 分辨率的未标记图像，并且没有进行高分辨率适应，对 DINOv2 ViT 模型进行了预训练，参数范围从 1B 到 7B，以确保与 CLIP 的公平比较。他们使用 VQA 来评估每个模型，结果如下图 3 所示，包含了整体性能趋势和特定类别性能。
研究者表示，这是仅使用视觉自监督训练的视觉 encoder 第一次在 VQA 上取得与语言监督 encoder 相当的性能，即使是传统上被认为高度依赖文本的 OCR 和 Chart 类别也是如此。
关于性能变化趋势，图 3 还比较了模型容量增加时的性能趋势。WebDINO’s Average、DINOOCR & Chart 和 Vision-Centric VQA 的性能随着模型大小的增加几乎呈现对数线性提升，而通用（General）和知识（Knowledge）的提升程度较小。
相比之下，CLIP 在所有 VQA 类别中的表现在 3B 参数后基本饱和。这表明了，虽然较小规模的 CLIP 模型可以更高效地利用数据，但较大规模的 CLIP 模型基本丧失了这一优势。
Web-DINO 模型增加带来的持续性能提升表明了，视觉 SSL 会从更大规模的模型中受益，并且继续将视觉 SSL 扩展到 7B 以上是一个有潜力的方向。
关于特定类别的性能，随着模型大小的增加，DINO 在 Vision-Centric VQA 上的表现越来越优于 CLIP，在 OCR & Chart 和 Average VQA 上与 CLIP 的差距也大大缩小。
扩展所见样本
研究者探究了训练 Web-DINO ViT-7B 过程中增加所见样本的数量对性能变化有哪些影响，并将来自 MC-2B 中的图像数量从 1B 增加到 8B。
随着所见样本的增加，General 和 Knowledge VQA 的性能逐渐提升，并分别在 4B 和 2B 样本时达到饱和。Vision-Centric VQA 的性能在样本从 1B 增加到 2B 过程中急剧提升，并在 2B 以上达到饱和。相比之下，OCR & Chart 是唯一一个随着所见样本增加而持续改进的类别。
这表明了，随着模型所见样本的增加，它会学习到一种越来越适合文本任务的表征，而其他能力不会明显下降。
总的来说，上图 3 和图 4 的结果表明，随着模型大小和样本的增加，视觉 SSL 学习到的特征对于 VQA 越来越有效，尤其是在 OCR & Chart 类别。并且，基于 CLIP 的模型相较于视觉 SSL 没有绝对的优势。
Web-SSL 模型系列
研究者使用 VQA 和经典视觉基准分析了整体性能最佳的视觉编码器。表 3 展示了视觉编码器在 VQA 和经典视觉任务方面与近期现成的视觉编码器相比所取得的最佳结果。
在 VQA 和传统视觉任务中，Web-DINO 的表现都优于现成的 MetaCLIP。在 VQA 上，Web-DINO 的性能甚至可以与 SigLIP 和 SigLIP2 相媲美，尽管它看到的数据少了 5 倍，而且没有语言监督。总体而言，Web-DINO 在传统视觉基准测试中的表现优于所有现成的语言监督 CLIP 模型。
在所有 VQA 类别中，Web-DINO 也优于现成的视觉 SSL 方法，包括 DINOv2。在传统的视觉基准测试中，Web-DINO 也具有很强的竞争力。
从 224 分辨率到 378 分辨率再到 518 分辨率，Web-DINO 在平均 VQA 上稳步提升，在 OCR 和图表性能方面也有显著提高。传统视觉性能随着分辨率的提高而略有提高。在 384 分辨率下，Web-DINO 落后于 SigLIP。在 518 分辨率下，Web-DINO 在很大程度上弥补了这一差距。结果表明，Web-DINO 可从进一步提高高分辨率适应性中获益。
更多研究细节，可参考原论文。
??时事1：Hentaied❌❌18禁网站
??04月08日,北京：“五一”假期景山公园芍药提前绽放,
“我刚才就想突破，与他们征战。可是凶寇却要给我们二十天的时间，我觉得应该足够了，能让我达到理想的境界层次，我可以对付他们！”小不点认真说到，无比的坚定。
?第七十六章 石国震动,羞羞漫画入口在线观看。??04月08日,332名世界顶尖运动员汇聚上海 2024射箭世界杯上海站将开弓,
我场在局党委的坚强支持和领导下，以局党委为中心，认真贯彻局党委工作部署，立足我场实际，坚持以人为本，大力弘扬求真务实的精神。深入贯彻落实党的精神和局林业工作会议精神，以系列讲话精神为方向，以党的先进性和纯洁性建设为主线，以改进工作作风、纪律作风教育为重点，大兴学习之风，依靠学习和实践，切实加强思想、组织、作风、制度和反腐倡廉建设，全力打造学习型、创新型的支部班子，实现资源保护好、队伍建设好、民生改善好的目标。要求必须坚持周三日常的政治理论学习，记好笔记。各项阶段性的工作干部都要有。通过学习引导全体、干部职工在思想进一步得到了解放，有力的推动了各项工作的开展。开展纪律作风教育整顿活动，解决干部职工上班时间缺勤脱岗、办事拖拉、工作不实、履职不力等慵懒散问题。我场依照日常工作对此项工作进行安排部署，明确此项活动的重要性，教育引导职工要当先进，争做模范，确保此项活动长期健康的开展。
,惩罚女女仆拨开🍑用冰块动漫,Free❌❌❌国产3D,可以设姐姐脚上。??时事2：我的妺妺h乱H文高辣
??04月08日,五连胜！中国U17女排强势晋级世锦赛四强,
三、音体美工作。
,初学生穿白色丝袜被c视频,偷拍女厕拉屎㊙️,www成人情网网站。??04月08日,【滔滔两岸潮】从工程师到咖啡店主 台青在陆创业体验不同人生,
长期工作在基层一线的老师，最缺乏的就是业务上的指导和相互切磋、互相提高的学习研讨环境氛围。名师工作室的启动正好弥补了这个缺陷。我相信：有张特的悉心指导，有名师工作室博客这个平台，我们名师工作室的全体成员，在不久的将来，无论是在业务上还是在自身的素养上定会有一个质的飞跃！
,美女漫画网站㊙️免费,两年半爆❌❌乳❌❌❌,扒开腿狂躁老师爽出白浆动漫门。??时事3：美女扒开腿❌裸体网站免费视频
??04月08日,暑运客流稳中有增 “流动的中国”彰显活力,
“呀，重见天日了！”一群孩子大叫，全都露出惊喜的神色。
,泳装透视镂空图片高清,日本无码精油按摩www视频,卡芙卡裸体❌自慰喷水。??04月08日,会晤结束 马克龙和冯德莱恩将习近平主席送至上车处,
长大后，我们知道如何存钱。当我们看到水龙头没有打开时，我们会毫不犹豫地关掉它，因为我们需要节约用水。在街上购物时，我们知道如何讨价还价，因为我们需要省钱。当我们觉得用电时间长了，我们会关掉，因为我们需要省电。我相信只要我们更加努力，地球会更加美丽。
,😍PornoHD720p😍,❤国产精品嫩草影院❤春菇,yaoi自慰Gay动漫games。??时事4：玩隐私位置游戏
??04月08日,中法建交60周年 跨国企业投资约10亿欧元增强供应链韧性,
“列位宗老，你们还不出手吗？”有人叫道。
,二次元疯狂❌自慰动画,唐舞桐脱👙免费看尿口图片,女儿的美白蚌埠2中的字头是什么。??04月08日,10月暴涨近20%！两年前“最牛贵金属”卷土重来？,
突然，一头莽牛的吼啸传来，远处的山林间有一道恐怖的火光冲来，那是一头赤红色的巨牛，高足有十几米，长能有三十米，四蹄踏着烈焰。
,刘亦菲婬荡高潮呻吟,人妻温泉～婬辱の教室动漫,anime黄网站。责编：华少登
审核：庄爱玲
责编：蔡聪挺