一、模块介绍
AMDANet及其核心组件Feature Discrepancy Aalignment Module (FDAM)：
FDAM核心创新点：
两阶段差异对齐架构：局部 - 全局协同，先通过通道 - 空间权重消除局部细粒度差异，再通过自注意力 - 跨模态注意力消除全局粗粒度差异，比单一视角对齐更全面。递进式优化，局部对齐为全局对齐奠定基础，全局对齐进一步强化一致性，符合 “先细后粗” 的特征优化逻辑。
多维度局部差异消除：通道 - 空间双视角，From_Channel 捕捉通道统计差异，From_Spatial 捕捉空间分布差异，双视角权重融合，精准消除局部异构性。门控特征增强，生成中间门控特征，强化双模态互补信息，避免单纯权重加权导致的特征稀释。
强化型全局差异对齐：自注意力预增强，先通过 Salient_Enhancement 强化单模态全局特征，提升跨模态对齐的基础质量，比直接跨模态对齐更有效。双向跨模态交互，CM_x1toX2 与 CM_x2toX1 实现双向引导对齐，避免单向对齐导致的模态信息失衡。
轻量化与鲁棒性设计：降采样优化，sr_ratio 参数支持注意力降采样，计算成本降低为原来的 1/(sr_ratio²)，适配高分辨率特征。双池化 / 残差连接，多处采用双池化统计、残差连接，提升模型鲁棒性，缓解过拟合。
二、Motivation
多模态语义分割的挑战在于在显著的视觉特征差异条件下建立语义一致和可分割的多模态融合特征。现有方法通常构建跨模态自注意力融合框架或引入额外的多模态融合损失函数来建立融合特征。然而，这些方法通常忽略了融合过程过程中模态之间的特征差异造成的挑战。为了实现精确的分割，我们提出了一种注意力驱动的多模态差异对齐网络（AMDANet）。AMGANet重新分配权重以减少差异特征的显着性，并利用低权重特征作为线索来减轻模态之间的差异，从而实现多模态特征对齐。此外，为了简化特征对齐过程，引入了一种语义一致性推理机制来揭示网络对特定模态的固有偏差，从而压缩来自基础级别的跨模态特征差异。
之前的SOTA方法很难对齐跨模态特征，本文方法不仅通过权重调整压缩跨模态之间的差异特征，而且实现了语义一致性对齐，从而获得更好的结果：
FDAM模块的设计源于对跨模态融合【异构特征差异大、对齐不充分】的核心痛点优化。
适用范围与模块效果
适用范围：适用于通用视觉领域，特别是双模态跨域融合任务。
缝合位置：双模态编码器输出后/多尺度融合架构中/任务头前最终对齐。
模块效果：在MFNet数据集上的消融研究：与AMDANet 相比，所有变体都表现出不同程度的性能下降，证明了每个模块设计的有效性。没有 FDAM 的变体表现出最显着的性能下降，这表明没有模态间歧义抑制阻碍了形成促进语义分割的一致特征。
消融可视化：观察路障位置表明，虽然没有MFML的AMDANet可以近似路障的大致位置，但它很难准确地描绘其结构形状。这是因为模态之间的不同特征分布增加了融合特征建模的难度。在没有SCI的AMDANet中也出现了类似的问题，这表明特征融合因编码器的特征偏差和模态之间的特征差异而变得复杂。
CAM可视化：由没有FDAM的AMDANet生成的CAM图与完全AMDANet相比更加混乱。这是由于模态之间的显著分布差异，导致融合特征保留了两种模态的模糊特征。在这些特征差异的干扰下，网络会错误地定位图像的关键信息。相比之下，FDAM有效地压缩了局部和全局视角下模态之间的模糊特征，有助于建立更准确和一致的特征表示。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
