Vision Mamba：速度與內(nèi)存的雙重突破
為了進(jìn)一步評估研究方法在下游任務(wù)上（即分割、檢測和實(shí)例分割）的效率，本文將骨干網(wǎng)與常用的特征金字塔網(wǎng)....
Adobe提出DMV3D：3D生成只需30秒！讓文本、圖像都動起來的新方法！
因此，本文研究者的目標(biāo)是實(shí)現(xiàn)快速、逼真和通用的 3D 生成。為此，他們提出了 DMV3D。DMV3D....
高分工作！Uni3D：3D基礎(chǔ)大模型，刷新多個(gè)SOTA！
我們主要探索了3D視覺中scale up模型參數(shù)量和統(tǒng)一模型架構(gòu)的可能性。在NLP / 2D vis....
ICLR 2024 清華/新國大/澳門大學(xué)提出一模通吃的多粒度圖文組合檢索MUG：通過不確定性建模，兩行代碼完成部署
如上圖所示，不再采用嚴(yán)格的一對一匹配，而是促使模型專注于一對多匹配，即從細(xì)粒度過渡到粗粒度。因此，首....
Harvard FairSeg：第一個(gè)用于醫(yī)學(xué)分割的公平性數(shù)據(jù)集
為了解決這些挑戰(zhàn)，我們提出了第一個(gè)大規(guī)模醫(yī)學(xué)分割領(lǐng)域的公平性數(shù)據(jù)集， Harvard-FairSeg....
谷歌MIT最新研究證明：高質(zhì)量數(shù)據(jù)獲取不難，大模型就是歸途
另一個(gè)極端是，監(jiān)督學(xué)習(xí)方法（即SupCE）會將所有這些圖像視為單一類（如「金毛獵犬」）。這就忽略了這....
頂刊TIP 2023！浙大提出：基于全頻域通道選擇的的無監(jiān)督異常檢測
Density-based方法：基于密度的方法通常采用預(yù)訓(xùn)練的模型來提取輸入圖像的有意義嵌入向量，測....
北京大學(xué)提出Repaint123：紋理質(zhì)量、多視角一致性新SOTA！
之前，將圖像轉(zhuǎn)換為3D的方法通常采用Score Distillation Sampling (SDS....
基于DiAD擴(kuò)散模型的多類異常檢測工作
現(xiàn)有的基于計(jì)算機(jī)視覺的工業(yè)異常檢測技術(shù)包括基于特征的、基于重構(gòu)的和基于合成的技術(shù)。最近，擴(kuò)散模型因其....
4DGen：基于動態(tài)3D高斯的可控4D生成新工作
盡管3D和視頻生成取得了飛速的發(fā)展，由于缺少高質(zhì)量的4D數(shù)據(jù)集，4D生成始終面臨著巨大的挑戰(zhàn)。
語言模型的弱監(jiān)督視頻異常檢測方法
LGT Adapter由局部關(guān)系Transformer和全局關(guān)系圖卷積串聯(lián)組成。考慮到常規(guī)的Tran....
Aleth-NeRF：低光增強(qiáng)與曝光糾正的新方向！不良光照場景下的新視角合成
最經(jīng)典的原始NeRF為例，局部隱蔽場通過NeRF的MLP網(wǎng)絡(luò)產(chǎn)生，與原始NeRF的兩個(gè)輸出color....
沒有證據(jù)證實(shí)LK-99為常溫超導(dǎo)體
委員會說：「一些樣品在 100 攝氏度時(shí)的電阻率發(fā)生了急劇變化，然而，我們認(rèn)為相變是由（樣品中的）雜....
更強(qiáng)！Alpha-CLIP：讓CLIP關(guān)注你想要的任何地方！
然而CLIP必須以整張圖片作為輸入并進(jìn)行特征提取，無法關(guān)注到指定的任意區(qū)域。然而，自然的2D圖片中往....
何愷明新作RCG：無自條件圖像生成新SOTA！與MIT首次合作！
它有望超越條件圖像生成，并推動諸如分子設(shè)計(jì)或藥物發(fā)現(xiàn)這種不需要人類給注釋的應(yīng)用往前發(fā)展（這也是為什么....
計(jì)算機(jī)視覺迎來GPT時(shí)刻！UC伯克利三巨頭祭出首個(gè)純CV大模型！
在損失函數(shù)上，研究者從自然語言社區(qū)汲取靈感，即掩碼 token 建模已經(jīng)「讓位給了」序列自回歸預(yù)測方....
超分畫質(zhì)大模型！華為和清華聯(lián)合提出CoSeR：基于認(rèn)知的萬物超分大模型
一是缺乏泛化能力。為了實(shí)現(xiàn)更好的超分效果，通常需要針對特定場景使用特定傳感器采集到的數(shù)據(jù)來進(jìn)行模型訓(xùn)....
低成本擴(kuò)大輸入分辨率！華科大提出Monkey：新的多模態(tài)大模型
下圖展示了Monkey的卓越性能，在 18 個(gè)不同的數(shù)據(jù)集上進(jìn)行測試的結(jié)果表明，Monkey能夠很好....
小模型也能進(jìn)行上下文學(xué)習(xí)！字節(jié)&華東師大聯(lián)合提出自進(jìn)化文本識別器
場景文本識別（Scene Text Recognition）的目標(biāo)是將圖像中的文本內(nèi)容提取出來。實(shí)際....
通過擴(kuò)散模型理解不可學(xué)習(xí)樣本對于數(shù)據(jù)隱私保護(hù)的脆弱性
一個(gè)直接的解決方案是設(shè)計(jì)一個(gè)特定的訓(xùn)練方案，可以在不可利用的數(shù)據(jù)上進(jìn)行訓(xùn)練。這是不太理想的，因?yàn)樗?...
通過擴(kuò)散模型理解不可學(xué)習(xí)樣本對于數(shù)據(jù)隱私保護(hù)的脆弱性
在深度學(xué)習(xí)領(lǐng)域，網(wǎng)絡(luò)上充斥著大量可自由訪問的數(shù)據(jù)，其中包括像ImageNet和MS-Celeb-1M....
哈工大提出Myriad：利用視覺專家進(jìn)行工業(yè)異常檢測的大型多模態(tài)模型
最近，大型多模態(tài)（即視覺和語言）模型（LMM）在圖像描述、視覺理解、視覺推理等多種視覺任務(wù)上表現(xiàn)出了....
谷歌新作UFOGen：通過擴(kuò)散GAN實(shí)現(xiàn)大規(guī)模文本到圖像生成
擴(kuò)散模型和 GAN 的混合模型最早是英偉達(dá)的研究團(tuán)隊(duì)在 ICLR 2022 上提出的 DDGAN（《....
基于幾何分析的神經(jīng)輻射場編輯方法
神經(jīng)輻射場作為近期一個(gè)廣受關(guān)注的隱式表征方法，能合成照片級真實(shí)的多視角圖像。但因?yàn)槠潆[式建模的性質(zhì)，....
RayDF：實(shí)時(shí)渲染！基于射線的三維重建新方法
在機(jī)器視覺和機(jī)器人領(lǐng)域的許多前沿應(yīng)用中，學(xué)習(xí)準(zhǔn)確且高效的三維形狀表達(dá)是十分重要的。然而，現(xiàn)有的基于三....
工商網(wǎng)監(jiān)