CV技术指南

本文提出了一种通过显式基重新分配来防止模态崩溃的算法，并应用于处理缺失模态。在多个多模态基准上进行的大量实验验证理论主张。...

本文结合算法创新与硬件友好的优化设计，实现了高效的长上下文建模。NSA采用动态分层稀疏策略，将粗粒度的token压缩与细粒度的token选择相结合，从而同时保留全局上下文感...

OpenAI在最新的开源模型gpt-oss上采用的MXFP4数据类型，直接让推理成本暴降 75 %！...

为了解决现有基于 Transformer 大模型的三个主要缺陷：算力需求高、不可解释性的黑箱、上下文规模受限，上海交通大学团队刚刚发布首个宏观模拟人类大脑全局机制的大语言模...

近日，来自苹果公司和马里兰大学的研究团队发表了一篇引人注目的论文。该研究发现，所熟知的预训练文本到图像生成模型——Stable Diffusion，无需任何额外的微调。...

本文，来自德国吕贝克大学等机构的研究者引入了一种新颖的方法：SUGAR（Surrogate Gradient for ReLU），在不牺牲 ReLU 优势的情况下解决了 R...

最近，一项来自纽约大学和 Meta Reality Labs 的联合研究引发了行业关注：Foveated Instance Segmentation —— 一种结合眼动追踪...

中科院、中山大学等提出真实世界去雨模型VDMamba，效果好、速度快、兼顾增强下游视觉任务，已被CVPR2025录用。...

本文介绍了一种名为AnomalyAny的创新框架，它利用Stable Diffusion的强大生成能力，仅需单个正常样本和文本描述，即可生成逼真且多样化的异常样本。...

长 CoT 推理并非总能提升准确率，甚至会削弱模型处理简单任务的能力。为此，本文提出基于置信度的自适应推理框架（CAR），它能根据模型困惑度动态选择短回答或详细的长文本推理...

本篇分享论文Self-Supervised Learning for Image Segmentation:A Comprehensive Survey，自监督学习在图像分...

这段时间，大神何恺明真是接连不断地发布新研究。这不，他又放出一篇新作！作者团队来自 CMU 以及 MIT。...

BIGAI NLCo 团队提出了一项全新的推理加速框架 —— TokenSwift，该工作已成功被 ICML 2025正式接收！...

本文提出一个交替「推理 - 擦除」的深度思考新范式 PENCIL，比传统 CoT 更高效地解决更复杂的推理任务。...

简单的任务，传统的Transformer却错误率极高。Meta FAIR团队重磅推出多token注意力机制（MTA ），精准捕捉复杂信息，带来模型性能飞升！...

本文提出了GleSAM，它利用生成式潜在空间增强来提高对低质量图像的鲁棒性，从而实现对各种图像质量的泛化。...