CVHub

在医学图像分割领域中，皮肤病变分割同眼底视网膜血管分割、息肉分割算是几个非常经典的研究课题。 随着移动医疗设备的兴起，对于能够在这些设备上高效运行的轻量级模型的需求日益增长。

本文介绍了Samba，一种基于Mamba的高分辨率遥感图像语义分割框架，标志着Mamba在该领域的首次应用。

谈到 Weight Decay，势必大家都不陌生，因为这是每位 AIer 每天都会用的计数，但却又是几乎没人会关注的算法。

全像素双核(dual-pixel, DP)传感器是一种最初被用于促进相机自动对焦的图像传感器。DP 传感器将传统的图像传感器的每个像素一分为二，因而一次拍摄能够捕获两幅带有微小基线的图像对。

本文介绍了一个用于视觉-语言模型的两阶段无监督提示蒸馏框架。该框架旨在通过使用未标记的领域数据，将大型CLIP教师模型的知识转移给轻量级CLIP学生模型，通过提示模仿。

Detection Transformer（DETR）推出之后，迅速引发了目标检测领域的一股热潮，很多的后续工作也从精度和速度方面对原始的 DETR 进行了改进。

本文提出了一种全新的开放词汇对象检测方法，称为生成式开放对象检测（generative open-ended object detection, GenerateU），旨在解决在推理阶段的问题。

近期，以 Mamba 为代表的状态空间模型（State Space Models）在诸如自然语言理解等序列建模任务中取得了显著进展。

操作手机电脑等图形用户界面（GUI）是人类日常生活的重要部分。 今天，由南京大学和上海AI实验室便基于这个需求提出并构建了一个基于大规模视觉语言模型（LVLM）的视觉 GUI 智能体。

CLIP（Contrastive Language–Image Pre-training），这个由 OpenAI 团队开源的多模态预训练模型，它通过对比学习的方式，同时学习图像和文本的表示。

传统知识蒸馏默认学生/教师网络的温度是全局一致的，这种设置迫使学生模仿教师的logit的具体值，而非其关系，本文提出了 logit 标准化，解决了这个问题。

今天主要为大家详细介绍 X-AnyLabeling v2.3.0 版本近期更新的一些功能和新特性，同时也借此机会分享下这半年多下来的开源心路历程。

本文的主题是多模态融合和图文理解，文中提出了一种名为RegionSpot的新颖区域识别架构，旨在解决计算机视觉中的一个关键问题：理解无约束图像中的各个区域或patch的语义。

导读本文依旧从经典的 ViTs 说起，即基于 MHSA 构建远距离建模实现全局感受野的覆盖，但缺乏像 CNNs 般的归纳偏差能力。

本文的核心问题设计一个轻量化的深度神经网络在单板计算机（SBCs）上实现高准确度和快速计算的视觉任务。

今天为大家介绍由微软Azure AI团队最新提出的新颖视觉基础模型：Florence-2，该模型采用了一种基于prompt的统一表示方法，广泛适用于各种 CV 和 NLP。

大家好！今天，很荣幸地为各位小伙伴介绍全新的 X-AnyLabeling v2.0.0 版本。本次更新带来了许多实用好玩的新功能，让我们一同了解下吧！

事件相机（Event Camera）是一种新型传感器。不同于传统的RGB相机记录的是场景的像素亮度，输出稠密、低频的图像帧，事件相机记录的是像素亮度的变化，输出稀疏、高频的事件流。

在不断发展的人工智能（AI）领域中，数据一直被视为最宝贵的资源之一。数据驱动的AI正以前所未有的方式塑造着未来，尤其在XR（扩展现实）领域，其中硬件和算法快速迭代。

生成式AI作为当前人工智能领域的前沿技术，已被广泛的应用于各类视觉合成任务。随着DALL-E2，Stable Diffusion和DreamFusion的发布，AI 作画和3D合成实现了令人惊讶的效果