CN117252986B 一种三维预训练大模型参数高效型微调方法及系统 （上海人工智能创新中心）_第1页
CN117252986B 一种三维预训练大模型参数高效型微调方法及系统 （上海人工智能创新中心）_第2页
CN117252986B 一种三维预训练大模型参数高效型微调方法及系统 （上海人工智能创新中心）_第3页
CN117252986B 一种三维预训练大模型参数高效型微调方法及系统 （上海人工智能创新中心）_第4页
CN117252986B 一种三维预训练大模型参数高效型微调方法及系统 （上海人工智能创新中心）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种三维预训练大模型参数高效型微调方涉及一种三维预训练大模型参数高效型微调方将调整后的令牌输入下游任务头，得到预测输2通过几何感知适配器对所述强化后的提示令牌进行聚类，并通过自注所述自注意力层和所述前馈网络用于探索点云中的全局形状信息和所述几何感知适配器用于与自注意力层的长程依赖性达到互补，汇聚所述点云先验提示模块用于以下游任务训练数据集中的3D特征作为所述几何感知适配器模块用于对所述强化后的提示令牌进行聚类，3特征通过最远点采样和K近邻进行聚类，并对类内部的特征通过自注意力机制进行局部所述数据处理模块用于获取三维下游数据集，所述验证与应用模块用于对所述预训练模型输出的预测结果进行验证，4[0003]目前主流的方法是在适配到下游任务的时候将大模型的所有参数在原有基础上效微调(Parameter_EfficientFine_tuning)技术已经被提出，通过微调部分参数以最小列。5[0012]在一些示例性实施例中，通过最远点采样和K近邻的方式对所述强化后的提示令[0013]在一些示例性实施例中，下游任务训练数据集通过对三维下所述三维下游数据集为下游三维场景任务的数[0014]第二方面，本申请实施例还提供了一种三维预训练大模并结合点云先验库中的先验知识对所述可学习提示令牌进行增强，得到强化后的提示令6[0020]图1为本申请一实施例提供的一种三维预训练大模型参数高效型微调方法的流程[0021]图2为本申请一实施例提供的一种三维预训练大模型参数高效型微调系统的模块[0022]图3为本申请一实施例提供的一种三维预训练大模型参数高效型微调方法的架构[0030](1)基于对比学习的预训练方法：在三维领域由于大规模高质量标注数据集的缺[0031](2)基于点云重建的预训练方法：基于点云重建的预训练方法是目前三维预训练7未屏蔽的数据内容学习到高级潜在特征。自动编码器主干采用非对称的编码器_解码器结适配矩阵；偏差调节仅通过将模型的偏置项设为可学习的来实现与全面微调相当的性能；[0034]为了解决上述技术问题，本申请提供一种三维预训练大模型参数高效型微调方8码器模块包括依次连接的自注意力层(也可称为自注意层)、前馈网络以及几何感知适配[0047]在一些实施例中，通过最远点采样和K近邻的方式对所述强化后的提示令牌进行9何有效地将下游三维语义融入预训练模型来达到高效微调。针对点云稀疏和不规则的特合三维领域的特有知识和局部特征交互，仅对新增的模块和任务头在下游任务进行微调，[0064]本领域的普通技术人员可以理解，上述各实施方式是实现本申请的具体实施

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论