CV技术指南

本文分享论文Diffusion Feedback Helps CLIP See Better，专注于通过自监督学习范式解决CLIP无法区分细粒度视觉细节的问题。...

ETH&微软最新开源-全局式GLOMAP，它与以前的全局SfM系统相比，其核心区别在于全局定位步骤。...

业界出现了另一种趋势，即开发小型语言模型 (SLM)，这种模型在许多语言任务中表现足够出色，部署起来也非常便宜。最近，英伟达研究表明，结构化权重剪枝与知识蒸馏相结合，可以从...

就在刚刚，Meta最新发布的Transfusion，能够训练生成文本和图像的统一模型了！完美融合Transformer和扩散领域之后，语言模型和图像大一统，又近了一步。...

在ICML2024上，来自麦吉尔大学， Mila魁北克人工智能研究所以及华为诺亚方舟实验室的研究者发表了一个基于连续卷积核(continuous kernel)的全新图卷积...

只卖模型真的不赚钱！在这次与20VC主理人Harry Stebbings的对话中，Aidan Gomez大谈特谈AI的发展趋势。...

本文介绍了InstantStyleGaussian，这是一种基于三维高斯飞溅（3DGS）场景表示的创新三维风格迁移方法。通过输入目标风格图像，它能够快速生成新的三维GS场景...

本文引入了一个区域特定的损失来提升隐含的均匀加权假设，以实现更好的学习，将整个体积划分为多个子区域，每个子区域都构建了一个针对最佳局部性能的个性化损失。...

本文通过设计一种统一的微调策略来解决自注意力机制（Self-Attention Mechanism，SAM）在各种下游任务中表现次优的挑战，以提升SAM在不同应用场景下的有...

本文提出了一种新的方法解决单张 2D 全景图恢复 360 度 3D 全景问题，利用扩散模型的先验知识和单目深度估计器进行合作修补大尺度遮挡区域，并提出了一种新的冲突避免策略...

本文介绍了香港科技大学（广州）的一篇关于大模型高效微调（LLM PEFT Fine-tuning）的文章，本文被 ICML 2024 接收，代码已开源。...

目标检测领域，迎来了新进展——Grounding DINO 1.5，IDEA研究院团队出品，在端侧就可实现实时识别。...

来自浙江大学和西湖大学的研究人员提出了一种基于 CNN-Transformer 架构的高效、大尺度视频单曝光压缩成像重建算法 EfficientSCI++。...

近日，受上述观察的启发，德克萨斯大学奥斯汀分校和谷歌研究院的研究者联合提出了 OmniGlue，这是第一个以泛化为核心原则设计的可学习图像匹配器。...

本期发布的岗位有：硬件系统工程师（北京）、RSDE视觉算法工程师（北京）、海外销售经理（北京）、大客户销售经理（北京/深圳/广州/上海/苏州/合肥/长春/青岛/重庆/长沙）...

NoPE 的长度泛化问题并没有改善，和 RoPE 一样严重。华师、复旦、上海 AI Lab 联合团队基于 NoPE，在排除位置编码影响下，研究长度泛化失败的表现和原因，并首...

本文对主流的扫描方向及其组合对遥感图像语义分割的影响进行了全面的实验研究，对于高分辨率遥感图像的语义分割，简单的单一扫描方向已经足够。...

Transformers 是一个强大的架构，但模型因其采用的自注意力机制容易导致在训练过程中出现OOM，本文介绍了一些Transformers常用的加速策略。...

本研究提出了RepVGG-GELAN，这是一种新型的YOLO架构，通过集成RepVGG，一种重新参数化的卷积方法，特别关注于医学图像中的脑肿瘤检测。...

最近OCC的综述很多，这两天arxiv上又挂出来一篇，从信息融合的角度全面回顾了占用网络的相关工作，值得一看！...