CV技术指南

本篇分享论文Self-Supervised Learning for Image Segmentation:A Comprehensive Survey，自监督学习在图像分割中的全面综述。

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。

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。