.png){kind=icon}
返回
Large AI Models for Building Material Counting Task: A Comparative Study
.png){kind=icon}
PRE
AI
DOI：10.3390-buildings15162900.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通用大模型的快速发展对传统“一任务一模型”的建筑自动化研究范式产生了显著影响，并引入了新概念。本文以建筑材料计数为例，评估了现有大模型及大模型平台开发模型的表现。我们对比了三类大AI模型用于建筑材料计数：多模态大模型、纯视觉大模型及平台开发的次级模型。研究旨在探索这些模型在实际建筑场景中的准确性和实用性。结果显示，直接应用通用大模型在处理复杂形状或背景的照片时面临挑战，无法提供准确的计数结果。此外，纯视觉大模型虽擅长实例分割任务，但应用于特定建筑材料计数需额外编程工作。为解决这些问题，本研究基于大模型次级开发平台探索解决方案，并以EasyDL为例训练模型。利用深度学习技术，该模型通过五步实现有效计数：数据准备、模型类型选择、模型训练、模型验证和模型部署。尽管基于大模型平台的开发模型目前精度不及专用模型，但仍是极具前景的途径。
Keyword:
multimodal large models
construction material management
object detection
instance segmentation
EasyDL platform
期刊
IF:
3.1
论文数:
1.8W
被引数:
2.5W
机构
查看更多机构
引用论文
暂无论文信息