Ajuste Fino Seletivo Guiado por Interpretabilidade Mecanicista de Modelos de Visão-Linguagem para Estimativa de Profundidade de Enchentes em Nível de Centímetro
arXiv:2608.07562v1 Tipo de Anúncio: novo Resumo: As enchentes urbanas representam uma ameaça crescente à infraestrutura de transportes, mas nenhum sistema operacional fornece estimativas de profundidade de enchentes em tempo real, no nível das ruas e com resolução de centímetros. Este artigo apresenta três modelos de visão-linguagem ajustados para a estimativa contínua de profundidade de enchentes a partir de imagens em nível de rua: o FloodLlama-Dense, uma linha de base QLoRA totalmente ajustada, e o FloodLlama-MI5 e o FloodLlama-MI6, variantes esparsas guiadas por interpretabilidade que fazem ajuste fino...
arXiv cs.CV
·Nafis Fuad, Xiaodong Qian, Dongxiao Zhu
·
// relacionados
Leia também
Editorial
O modelo que continua aprendendo depois de entregue: dentro do Macaron-V1
Blog
Novo Nordisk e AWS levam IA agêntica à descoberta de medicamentos
Blog
Nvidia garante o valor de seus próprios chips para destravar US$ 500 bilhões em financiamento de infraestrutura de IA
Modelo