论文阅读

目录 [TOC] 前言 您知道吗，到 2025 年，全球人工智能市场预计将达到惊人的 1906.1 亿美元，复合年增长率为 36.62%。人工智能软件正在迅速改变我们的世界，而且这一趋势在未来几年只会

paper https://cdn.openai.com/papers/GPTV_System_Card.pdf 😘 Contents [TOC] 1️⃣ 什么是 GPT-4 Vision GPT-4

😘 Contents 1️⃣ 脸书发布文生视频EmuVideo 随着扩散模型的飞速发展，诞生了 Midjourney、DALL·E 3、Stable Difusion 等一大批出色的文生图模型。但在文

paper https://mv-lab.github.io/model-isp22/ 👀 Abstract 数码相机通过其图像信号处理器 （ISP） 将传感器 RAW 读数转换为 RGB 图像。计算

Digital signal process (DSP) 1 Filtering 数字滤波器用于模糊和锐化数字图像。滤波可以通过以下方式进行 在空间域与专门设计的核（滤波器阵列）卷积 在频率（傅立叶）

Introduction ISP (Image Signal Process, 图像信号处理)，即成像引擎 Sensor输出的原始数据Raw Data和人类预期的图像有巨大差异 第一是镜头和CMOS

paper https://arxiv.org/abs/2206.14651 code https://github.com/NirAharon/BoT-SORT Abstract 多目标跟踪（MOT

简介 TorchScript 软件栈可以将 Python 代码转换成 C++ 代码。TorchScript 软件栈包括两部分：TorchScript（Python）和 LibTorch（C++）。To

paper https://orca.cardiff.ac.uk/id/eprint/152816/ code https://github.com/WuZongWei6/Pixelization A

paper https://arxiv.org/pdf/2310.19512.pdf code https://github.com/ailab-cvc/videocrafter Abstract 商

Improving Image Generation with Better Captions DALL-E 3 最核心的就是字幕生成器，提升了提示词和图像生成质量的Key 1 Abstract 文生

Controlling Vision-Language Models for Universal Image Restoration paper https://arxiv.org/abs/2310.

project https://openai.com/dall-e-3 paper https://cdn.openai.com/papers/DALL_E_3_System_Card.pdf Abs

paper https://arxiv.org/pdf/2309.11497.pdf code https://github.com/ChenyangSi/FreeU Methodology Over

paper https://arxiv.org/abs/2010.02502 code https://github.com/ermongroup/ddim Abstract DDIMs是一个更高效的

code https://github.com/lucidrains/denoising-diffusion-pytorch Diffusion models 包括2个过程： 前向加噪过程 q ：从数

paper https://arxiv.org/pdf/2306.14435.pdf code https://yujun-shi.github.io/projects/dragdiffusion.h

code https://github.com/huggingface/diffusers Introduction Diffusers是一个能够生成图像、语音、三维分子结构，且包含SOTA扩散模型的

EfficientViT是一种用于高分辨率低计算视觉识别的高效 ViT 架构。我们建议用线性注意力代替softmax注意力，而不是限制softmax注意力，同时通过深度卷积增强其局部特征提取能力。 E