选择一条学习路径

表示怎样迁移到新任务

换一组标签，原来的表示还够用吗？哪些参数值得更新？

带走的结果：一张比较表：标签预算、更新参数、测试条件、结果，以及你愿意选择的适配方案。

视图、投影头与历史字典

什么变化应当忽略？候选来自当前批次还是过去批次，会改变什么？

带走的结果：用一组对照说明：目标减少了什么差异，又保留了哪种任务信息。

从遮挡重建到表示评价

看见少量图块，学会补图之后得到的表示是否可用？

带走的结果：并列报告重建误差与一个下游读出结果，解释二者回答的问题为何不同。

一张图怎样变成一组框

类别、位置、重复框和漏检分别从哪个环节出现？

带走的结果：标出一幅预测中的三类错误，并解释改变 NMS 阈值为何可能同时增加召回与重复。

像素、边界与对象身份

输出格子变多之后，模型怎样知道每个位置属于什么？

带走的结果：采样热身报告前景、背景 IoU 与两类 mIoU；图像模型报告背景、红矩形、蓝椭圆的逐类 IoU 与三类 mIoU，再用一处边界错误解释数字的含义。

文字候选与图文检索

同一个图像向量，怎样支持换候选、换提示和搜索图片？

带走的结果：记录同一图像在两组候选中的原始相似度与归一化分数，解释哪些量应改变。

图像怎样约束句子与回答

生成了一句话或一个答案，怎样检查图像实际起了作用？

带走的结果：给出一对输入与输出，指出视觉条件改变后答案应怎样变化，并解释实测是否支持。

一句话指向哪个对象

目标、参照物和关系各是什么，怎样把答案落回区域？

带走的结果：标出目标框与参照框，并给出一个能击败关键词基线的最小对照。