CVHub

结肠镜视频对于辅助临床直肠癌诊断非常重要，因为相比静态图像，结肠镜视频包含更丰富的信息。然而，与常见的固定摄像头视频不同，结肠镜视频中的摄像头移动会引起快速的画面抖动，导致现有的视频检测模型训练不稳定

FasterViT 被设计为一种混合网络结构，综合了 CNN 和 ViT 的优势，旨在实现高效的图像处理速度。

从3D点云中学习有符号距离函数（SDFs）是3D计算机视觉中的一个重要任务。然而，在没有真实有符号距离、点法线或干净点云的情况下，当前的方法仍然难以从噪声点云中学习SDFs。

研究人员提出了 InternImage，这是一种新的基于 CNN的大规模基础模型，可以为图像分类、对象检测和语义分割等多功能视觉任务提供强大的表示。

文将空间条件中物体的形状、位置以及它们之间的关系等性质总结为视觉先验（Visual Prior），并使用Transformer Decoder以Generative Pre-Training的方式创建

小目标检测是计算机视觉领域中的一个极具挑战性的问题。随着深度学习和计算机视觉领域的不断发展，越来越多的应用场景需要对小目标进行准确的检测和识别。

本文提出了一种名为 YONA 的新框架，用于准确和快速检测结肠镜视频中的息肉。该框架通过引入前景和背景对齐模块来处理快速运动情况下的特征，同时引入跨帧对比学习模块来增强模型对息肉和肠壁的区分能力。

单模态文本在生物医学领域的研究已经取得了显著的成果，而多模态对话人工智能则通过利用来自公共网络的数十亿个图像-文本对取得了快速进展。

本文通过在min-max框架中最大化教师模型和学生模型之间的预测差异，提出了一个新的对抗蒸馏目标函数。