CVHub

随着大模型技术的持续升温，具身智能这一前沿领域也日益受到广泛关注与热议。为此，CVHub紧跟行业步伐，特别邀请到来自企业实践一线、深谙具身智能算法的算法工程师，倾力打造“具...

在医学图像分割领域中，皮肤病变分割同眼底视网膜血管分割、息肉分割算是几个非常经典的研究课题。 随着移动医疗设备的兴起，对于能够在这些设备上高效运行的轻量级模型的需求日益增长...

本文介绍了Samba，一种基于Mamba的高分辨率遥感图像语义分割框架，标志着Mamba在该领域的首次应用。...

谈到 Weight Decay，势必大家都不陌生，因为这是每位 AIer 每天都会用的计数，但却又是几乎没人会关注的算法。...

全像素双核(dual-pixel, DP)传感器是一种最初被用于促进相机自动对焦的图像传感器。DP 传感器将传统的图像传感器的每个像素一分为二，因而一次拍摄能够捕获两幅带有...

本文介绍了一个用于视觉-语言模型的两阶段无监督提示蒸馏框架。该框架旨在通过使用未标记的领域数据，将大型CLIP教师模型的知识转移给轻量级CLIP学生模型，通过提示模仿。...

Detection Transformer（DETR）推出之后，迅速引发了目标检测领域的一股热潮，很多的后续工作也从精度和速度方面对原始的 DETR 进行了改进。...

本文提出了一种全新的开放词汇对象检测方法，称为生成式开放对象检测（generative open-ended object detection, GenerateU），旨在...

近期，以 Mamba 为代表的状态空间模型（State Space Models）在诸如自然语言理解等序列建模任务中取得了显著进展。...

操作手机电脑等图形用户界面（GUI）是人类日常生活的重要部分。 今天，由南京大学和上海AI实验室便基于这个需求提出并构建了一个基于大规模视觉语言模型（LVLM）的视觉 GU...

CLIP（Contrastive Language–Image Pre-training），这个由 OpenAI 团队开源的多模态预训练模型，它通过对比学习的方式，同时学习...

传统知识蒸馏默认学生/教师网络的温度是全局一致的，这种设置迫使学生模仿教师的logit的具体值，而非其关系，本文提出了 logit 标准化，解决了这个问题。...

本文首次探索了大kernel(window) Mamba块在医学图像分割上的潜力，为了充分利用大kernel Mamba的能力，我们设计了一种基于分层和双向的大window...

今天主要为大家详细介绍 X-AnyLabeling v2.3.0 版本近期更新的一些功能和新特性，同时也借此机会分享下这半年多下来的开源心路历程。...

如果在IT行业的时间够长的话，可能还记得大约10几年前，设计模式风靡一时的时候，有过一段反 "if" 的运动。 所谓的反"if"运动，其实是夸大了"if"语句带来的问题，比...

本文的主题是多模态融合和图文理解，文中提出了一种名为RegionSpot的新颖区域识别架构，旨在解决计算机视觉中的一个关键问题：理解无约束图像中的各个区域或patch的语义...

导读本文依旧从经典的 ViTs 说起，即基于 MHSA 构建远距离建模实现全局感受野的覆盖，但缺乏像 CNNs 般的归纳偏差能力。...

本文的核心问题设计一个轻量化的深度神经网络在单板计算机（SBCs）上实现高准确度和快速计算的视觉任务。...

今天为大家介绍由微软Azure AI团队最新提出的新颖视觉基础模型：Florence-2，该模型采用了一种基于prompt的统一表示方法，广泛适用于各种 CV 和 NLP。...

大家好！今天，很荣幸地为各位小伙伴介绍全新的 X-AnyLabeling v2.0.0 版本。本次更新带来了许多实用好玩的新功能，让我们一同了解下吧！...