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知与局部精确性。

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型 BriLLM。

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 ReLU 的局限性。

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 —— 一种结合眼动追踪信息进行实例分割的新方法。

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。