视觉语言大模型新SOTA!高效微调方法性能碾压LoRA

摘要:MemVP将视觉特征直接嵌入FFN参数中,实现高效的多模态微调。与LoRA、VL-Adapter等现有方法相比,MemVP在训练和推理速度上提升了2倍,同时在下游任务中保持了更高的精度。

MemVP将视觉特征直接嵌入FFN参数中,实现高效的多模态微调。与LoRA、VL-Adapter等现有方法相比,MemVP在训练和推理速度上提升了2倍,同时在下游任务中保持了更高的精度。

为了让大家更好的掌握MemVP,研梦非凡于12月11日晚(周三),邀请了多模态专家王导师,为大家独家详解《视觉语言融合新范式MemVP:基于记忆空间的多模态大模型高效微调方法》,从构建视觉-语言模型的发展和弊端到大型视觉语言模型的详细介绍,重点讲解MemVP模型架构的代码实现和实验分析,并对未来研究方向进行详细分析,一文速通MemVP,为你的研究带来新的思路和突破!

凡预约即可免费领取200篇前沿论文(模型微调+大模型+多模态)

ICML'24《Memory-Space Visual Prompting for Efficient Vision-Language Fine-Tuning》

一、研究背景

视觉-语言模型的构建的现状

输入空间的视觉提示方法存在弊端

二、相关工作

《Transformer Feed-Forward Layers Are Key-Value Memories》

FF层

键值对

实验结果

👇🏻扫描二维码找助教0元预约直播课!

凡预约即可免费领取300篇前沿论文(模型编辑+大模型+多模态)三、大型视觉语言模型

LLava

InstructBLIP

MemVP

四、方法:MemVP

MemVP模型架构

MemVP动机

五、实验

实验目的与方法

实验设置

实验结果

实验对比

训练和推理速度比较

消融实验

六、总结

问题定义

MemVP方法

动机

实验验证

👇🏻扫描二维码找助教0元预约直播课!

👇🏻扫描二维码找助教0元预约直播课!

直播导师介绍

王导师

【学术背景】拥有丰富的深度学习研究、论文发表经验,多篇SCI论文、EI会议论文(一作)

【研究方向】大语言模型、视觉语言模型、多模态学习,以及自然语言处理、进化算法等

ps:研梦非凡开设的前沿论文系列直播,旨在帮助大家提升读论文技能,快速抓住重点,掌握有效方法,进而找到创新点,轻松产出科研论文成果。

科研论文idea,并非拍脑门就能产生,需要经过一遍遍做实验、跑代码、改模型、思路修正。研梦非凡专业论文指导,和研梦导师一起找idea,共同解决科研问题。授之以渔——搭建论文写作框架,增删改查,针对性实验指导!哪里薄弱补哪里!

>>

研梦非凡导师团队,来自海外QStop200、国内华五、C9、985高校的教授/博士导师/博士后,以及世界500强公司算法工程师、国内外知名人工智能实验室研究员等

这是一支实力强大的高学历导师团队,在计算机科学、机器学习、深度学习等领域,积累了丰富的科研经历,研究成果也发表在国际各大顶级会议和期刊上,在指导学员的过程中,全程秉持初心,坚持手把手个性化带教。包括但不限于以下导师~

>>

>>

我们不是小作坊哦~我们背靠研途考研(就是张雪峰老师和徐涛老师在的那个研途考研),做教育十余年,重交付,重口碑,是我们一贯的公司理念!

来源:颖颖课堂

相关推荐