CVHub

本文将通用分割模型 SAM 扩展到医学图像分割领域，并命名为 MSA。通过采用参数有效的适应性技术，一种成本效益的微调技术，我们在 19 个医学图像分割任务中实现了显著的改进。

本文提出了一种新颖的用于实时语义分割的三分支网络架构PIDNet。该模型的目标是实现对图像的语义分割和边界检测。

本文提出了一种自动驾驶感知新框架 MetaBEV，旨在解决鸟瞰图 (BEV) 3D 检测和地图分割中的传感器故障问题。

本论文提出了一种新的动态场景多帧深度估计方法。通过更好对单/多帧深度线索进行融合并相互提升，实现了在无需运动分割情况下的高精度动态区域深度估计。

本文提出了当前使用基于扩散模型的生成数据来进行数据增强在多大程度上是有效的。在ImageNet分类任务中，本文表明可以利用大规模的文本生成模型fine-tuning得到SOTA FID。

本文介绍了一种全新的通用形变文档图像矫正框架，作者团队的方法突破了现有多数矫正方法的场景局限性，能够恢复日常生活中常见的各种形变文档图像。

本文通过分析现有半监督目标检测伪标签的偏移问题与不稳定性(Inconsistancy)，提出了一种新的半监督目标检测器Consistent-Teacher。

本文介绍了第一个基于图像数据的 SSL 工作——DINOv2，这是一种用于在大型图像数据集上预训练图像编码器，以获得具有语义的视觉特征。

本文开源了专门针对中文的LLaMA和Alpaca大语言模型，通过增加20K个中文token扩展了原始LLaMA的中文词汇表，进一步增加了中文编码效率并提高了中文基础语义理解能力。

本文主要向大家介绍 DINO，这是第一篇探索 ViT 模型在自监督学习领域的经典代表作。DINO 整体架构基于自蒸馏的范式进行构建，包含一个教师网络和学生网络。

本文介绍了一种基于 nnU-Net 框架的可扩展和可转移的医学图像分割模型 STU-Net。STU-Net 最大包含 14 亿个参数，是迄今为止最大的医学图像分割模型。

本文介绍了 SEEM，该模型可以同时对所有语义进行全局分割，并且可以与用户互动，接受来自用户的不同类型的视觉提示，包括点击、框选、多边形、涂鸦、文本和参考图像分割。

在本工作中，我们展示了FixMatch迁移到半监督语义分割任务中的有效性。我们通过消融实验验证了强扰动的重要性，并进一步通过特征强扰动扩展了FixMatch的扰动空间。

在这篇论文中，作者重新审视了局部注意力机制，并通过提出一种新颖的 Slide Attention 模块来解决其效率问题。

本论文提出了 CloFormer，一种具有上下文感知的局部增强机制的轻量级视觉 Transformer，并且开发了一种新颖的局部感知方法。

本文提出了一种新的可置换混合网络PHNet，用于3D体积医学图像分割任务。PHNet集成了2D CNN、3D CNN和MLP，以实现局部和全局特征的提取和集成。

本文介绍了一个新颖的学习框架，可以轻松地训练立体匹配网络，而不需要任何ground-truth数据。

本文介绍了一种基于上下文视觉学习的通用分割模型 SegGPT，展示了如何设计合适的训练策略，充分利用上下文视觉学习的灵活性。

本文提出了一种用于few-shot医学图像分割的交叉注意力Transformer网络CAT-Net。通过交叉掩码注意力模块实现了查询和支持特征之间的交互，增强了特征表达能力。