CVHub

从图片中识别道路破损程度是道路养护的重要日常工作，随着人工智能领域的兴起，深度学习技术在道路基础设施的自动视觉检查中起着至关重要的作用。

我们在图像分类和ImageNet-1K上的自我监督学习、ADE20K上的语义分割、SIDD上的图像去噪以及DAVIS上的视频去噪中展示了我们方法的有效性。

光学防抖镜头在现在很常见，但在相机系统中想要通过多个传感器融合信息时，存在姿态估计问题。这限制了我们从单个快照中估计高质量深度地图的能力。

今天为大家带来一篇全新的 SSDA-YOLO, 即基于半监督域自适应的 YOLO 方法，通过将最火爆的单阶段目标检测器 YOLO。

本文重新思考了 MobileNetv2 中高效的倒残差模块 Inverted Residual Block 和 ViT 中的有效 Transformer 的本质统一，归纳抽象了 MetaMobile。

扩散模型最近被证明可以生成高质量的合成图像，尤其是当与引导技术结合使用以牺牲多样性来换取保真度时。 本文探索了文本条件图像合成问题的扩散模型，并比较了两种不同的指导策略。

骨髓红细胞的精细分类和计数对于评估健康状况和制定白血病或血液病的治疗方案至关重要。 由于不同类型的红细胞之间存在细微的视觉差异，因此将现有的基于图像深度学习模型应用于细粒度的红细胞分类具有挑战性。

现如今研究生扩招愈发严重，这导致了多次考研成功率持续下降。近年来，我国研究生考试报名人数也呈现了持续增长的趋势。

受掩码自编码机制的启发，本文在 ConvNeXt 的架构基础上延伸出了一个完全卷积掩码自编码器框架——ConvNeXt V2。

本文提出了一种新颖的类 U-Net 分层纯 Transformer —— DAE-Former，它在全特征维度上同时利用空间和通道注意力。该方法通过包含双重注意力来丰富表示空间。

本文主要还是围绕 Transformer 在医学图像分割领域的应用，方法都是比较常规的，对于需要发论文找 Idea 的同学建议可以多看看这些文章，比较适合入门级发表。

`ViT` 是一种通过将图像切割成一个个小方块(`patch`)将图像转换为序列从而输入到`Transformer`网络进行训练和推理的一种神经网络架构。

Introduction 随着 ViT 的出现，Transformer 模型在计算机视觉领域遍地开花，一层激起一层浪。虽然精度很高，但被人广为诟病的依旧是它的效率问题。

开放世界目标检测其实是一个相对来说比较少人关注的领域，其旨在不限定特定目标类别的情况下，对图像中的所有目标进行检测。

本文提出了一种新的图像编辑方法，它可以通过语言指导快速编辑图像。为了获得这个问题的训练数据，作者结合了两个大型预训练模型的知识—语言模型`和`文本到图像模型生成了大量的图像编辑示例数据集。

与其他方法相比，本文方法对图像具有更好的几何理解，因此除了风格转移外，还可以对图像进行复杂的编辑 。

稳定扩散模型的关键特征之一是它能够复制训练数据。这意味着它能够通过拼凑它从训练数据中记住的前景和背景对象来创建新图像。这使得模型能够生成与训练数据具有相似视觉风格的图像，同时仍然保持高水平的原创性和创

深度学习已经成为人工智能领域的一个重要研究方向，并在计算机视觉、自然语言处理和推荐系统等领域取得了巨大的进展。

本文为大家介绍一篇神经网络压缩方面相关的经典论文，由MIT 韩松团队发表于 ICLR 2020 的论文。

Out Of Memory, 一个炼丹师们熟悉得不能再熟悉的异常，其解决方法也很简单，减少输入图像的尺寸或者Batch Size就好了。