CV技术指南

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, 能够适用于文本生成图像、视频等多种生成任务

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 预测与连续概念相结合。

本篇分享 TPAMI 2025 论文Invertible Diffusion Models for Compressed Sensing，北大、KAUST、字节联合提出“可逆扩散模型”赋能图像重建。

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，用于均衡通道方差。

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，更揭示了一个可能被我们忽视的事。