幾乎涵蓋了圖神經網絡所有操作
在計算機視覺的應用有根據提供的語義生成圖像，如下圖所示（引用）。輸入是一張語義圖，GNN通過對“ma....
ImageBind：跨模態(tài)之王，將6種模態(tài)全部綁定！
最近，很多方法學習與文本、音頻等對齊的圖像特征。這些方法使用單對模態(tài)或者最多幾種視覺模態(tài)。最終嵌入僅....
SAM-Adapter：首次讓SAM在下游任務適應調優(yōu)！
在這些基礎模型中，Segment Anything Model（SAM）作為一個在大型視覺語料庫上訓....
從BLIP-2到SAM視覺語義金字塔+ChatGPT
怎么把圖片表示成高質量文本一直是個熱門的問題。傳統(tǒng)的思路Show，and Tell 等 Image ....
馬斯克離開OpenAI內幕：大權獨攬想法被拒
OpenAI 于 2015 年成立，起初是一家非營利組織，得到了馬斯克和里德?霍夫曼（Reid Ho....
港中大IDEA開源首個大規(guī)模全場景人體數據集Human-Art
然而，現有的計算機視覺任務、訓練的數據集等大多只關注到了真實世界的照片，這導致相關模型在更豐富的場景....
StrucTexTv2：端到端文檔圖像理解預訓練框架
視覺富文檔理解技術例如文檔分類、版式分析、表單理解、OCR以及信息提取，逐漸成為文檔智能領域一個熱門....
清華&美團提出稀疏Pairwise損失函數！ReID任務超已有損失函數！
ReID任務中的由于光照變化、視角改變和遮擋等原因會造成同一類中不同實例的視覺相似度很低（如圖2所示....
這款編譯器能讓Python和C++一樣快！
麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員希望通過 Codon 來改變這一現狀，....
大型語言模型綜述全新出爐！從T5到GPT-4最全盤點
LLM 的涌現能力被正式定義為「在小型模型中不存在但在大型模型中出現的能力」，這是 LLM 與以前的....
GPT-4的研究路徑沒有前途？
這場辯論的主題為「Do large language models need sensory gro....
DepGraph：任意架構的結構化剪枝，CNN、Transformer、GNN等都適用！
結構化剪枝是一種重要的模型壓縮算法，它通過移除神經網絡中冗余的結構來減少參數量，從而降低模型推理的時....
Meta提出Make-A-Video3D：一行文本，生成3D動態(tài)場景！
具體而言，該方法運用 4D 動態(tài)神經輻射場（NeRF），通過查詢基于文本到視頻（T2V）擴散的模型，....
LERF：當CLIP遇見NeRF！讓自然語言與3D場景交互更直觀
但自然語言不同，自然語言與 3D 場景交互非常直觀。我們可以用圖 1 中的廚房場景來解釋，通過詢問餐....
基于擴散模型的視頻合成新模型，加特效杠杠的！
近日，曾參與創(chuàng)建 Stable Diffusion 的 Runway 公司推出了一個新的人工智能模型....
大腦視覺信號被Stable Diffusion復現成圖像！
這項研究聲稱，只需用fMRI（功能磁共振成像技術，相比sMRI更關注功能性信息，如腦皮層激活情況等）....
ChatGPT正式上線對搜索引擎有什么影響
國內外兩家搜索巨頭急速沖刺，現在卻還是投資了OpenAI的微軟更快一步。倒也不奇怪，畢竟這種“搜索大....
工商網監(jiān)