CV技术指南

本文介绍一种完全无需重新训练模型的视频生成加速方法。通过挖掘注意力机制中的空间与时间稀疏性，配合自适应稀疏选择与算子优化，成功将推理时间减半。...

清华大学、北京大学联合微软亚洲研究院提出了PMP-based Data Selection（PDS）方法，首次将数据选择建模为最优控制问题。...

传统方法聚焦预填充阶段的视觉token压缩，却在解码阶段因文本序列增长而逐渐失效。为此，研究团队提出Dynamic-LLaVA动态优化框架，首创跨阶段协同加速机制。...

本文提出了一种用于图像恢复的双域条带注意力机制（Dual-domain strip attention mechanism），通过增强表示学习来提升图像恢复任务的性能。...

仅在ImageNet-1K的1.2M图像上训练就可以在多项任务上达到跟别人所提供的预训练模型相当的性能。...

本文提出了 MambaQuant，这是一种训练后量化（PTQ）框架。该工作对 transformer-based LLM 模型的量化也有很大提升...

本文提出的 ToCa 模型通过 token 粒度的缓存方法，实现了图像和视频生成模型上无需训练的两倍以上的加速。...

微信也接入满血版DeepSeek R1了！一些被灰度到的网友纷纷开启测评，不仅有思考链，还有参考资料。...

来自中山大学和360 AI Research的研究人员基于Proxy token提出了一种高效的Diffusion Transformer 即PT-DiT, 能够适用于文本...

本文，来自 Meta 等机构的研究者提出了一种新颖且高效的预训练框架：连续概念混合（Continuous Concept Mixing,），其将离散的下一个 token 预...

本篇分享 TPAMI 2025 论文Invertible Diffusion Models for Compressed Sensing，北大、KAUST、字节联合提出“可...

本文提出了 MambaQuant，这是一种训练后量化（PTQ）框架，包含：1）基于 Karhunen-Loève 变换（KLT）的增强旋转；2）平滑融合旋转，用于均衡通道方...

来自上海交通大学的最新研究却给出一个令人震惊的答案：仅需 817 条精心设计的样本，就能让模型在数学竞赛级别的题目上超越当前许多最先进模型，这一发现不仅挑战了传统认知，更揭...

模型坍塌是指生成模型由于过度使用低质量数据或对类似模型的输出进行重复微调而导致性能下降的现象。本文展示了模型坍塌在不同机器学习模型中的存在及其对大型语言模型的影响。...

时空预测，真的需要 RNN 吗？真的需要 CNN 吗？是否能够设计一个模型，可以自动地学习数据中的时空依赖，而不需要依赖于归纳偏置呢？...

基于HiCo模型，使用者可以对生成画面中的不同主体的布局进行自由控制和调整，实现“指哪打哪”的生成效果。...

当模型在这样一个不平衡数据集上训练时,由于某个类别的样本数量远多于其他类别,模型通常会更擅长预测样本量较大的类别,而在预测小类别时表现不佳。为了缓解这一问题,可以使用过采样...

在本研究中，提出了一个名为 SegVG 的新方法，旨在将边界框级的注释转化为分割信号，以提供更为丰富的监督信号。...

上个月，AMD 首席执行官苏姿丰博士在 ComputeX 开幕主题演讲上揭开了 Zen 5 架构的神秘面纱。作为 AMD 未来几年 CPU 的台柱子，Zen 5 立刻被引入...