近况汇报-04

本文最后更新于:21 天前

近况汇报-04

项目

调研各个模型对云南风景的识别率

  • Qwen2.5-VL-7B

Figure 1A:Qwen2.5-VL-7B对云南各个风景的识别率

  • Qwen2.5-VL-3B

Figure 1B:Qwen2.5-VL-3B对云南各个风景的识别率

  • llava-v1.6-mistral-7B-hf

Figure 1C:llava-v1.6-mistral-7b-hf对云南各个风景的识别率

Qwen2.5-VL-7B Qwen2.5-VL-3B llava-v1.6-mistral-7b-hf
准确率(ACC) 0.735 0.480 0.350

论文阅读

Multi-scale Consistency Deep Lifelong Cross-modal Hashing(MCDLCH)

Figure 2:MCDLCH结构

论文复现

Lightweight Contrastive Distilled Hashing for Online Cross-modal Retrieval(LCDH)无代码复现

复现
数据集 Flickr
epochs 10
Hash-bits 128bit

Figure 3:LCDH复现log

原文(teacher) 原文(student) 复现(teacher) 复现(student)
MAX_mAP_i2t none 0.8041 0.8116 none
MAX_mAP_t2i none 0.8574 0.7925 none

近况汇报-04
http://example.com/2025/09/30/report-04/
作者
Lyriv
发布于
2025年9月30日
许可协议