CVHub

这篇论文提出了一种名为Semi-CML的多模态半监督分割框架。该框架使用未标记的多模态数据进行互相监督学习来实现准确的医学图像分割。

开放世界目标检测其实是一个相对来说比较少人关注的领域，其旨在不限定特定目标类别的情况下，对图像中的所有目标进行检测。

这篇论文主要讲述了一种名为 UNETR++ 的 3D 医学图像分割方法，它提供了高质量的分割结果，并具有高效的参数和计算成本。

稳定扩散模型(Stabel diffusion model)是扩散模型的一种，凭借着生成高质量图像并具有高度定制性而闻名。它通过使用扩散的数学模型来生成具有独特抽象外观的图像来实现这一点。

本文着重讨论了如何使用扩散模型来进行图像编辑的问题。之前的工作已经证明了扩散模型在条件图像生成方面具有很强的能力，例如文本指导的图像合成。

这篇论文提出了一种名为UniNeXt的统一架构，通过将空间令牌混合器与其他组件相结合，增加了网络的归纳偏差。

近日，南方科技大学 VIP 实验室开源了一款基于 SAM 的跟踪模型——Track-Anything，可以轻松地对视频中感兴趣的目标进行标注、跟踪和一键隐藏。

本文继而提出了三个有用的基于 CEC 的模块。其中，CECM 和 Self-CECM 用于生成更具区分度的特征表示，CECD 距离度量获得可靠的相似性图。

AI for science 比如跟大气气象有关的天气预报，物理分子有关的分子动力学，生物相关的多组学疾病分析，知友们觉得哪个更好？