CVHub

通过引入自适应频率滤波（AFF）token混合器，本文提出了一种新颖的全局token混合方法，并构建了一种轻量级视觉网络架构AFFNet。

通过 ZeroSeg 证明了可以通过从预训练的通用视觉-语言模型中传递知识来有效地训练语义分割模型，同时希望这将为如何利用最近的基础模型研究成果来帮助像语义分割这样的像素级下游任务开辟一条新的途径。

在这项研究中，研究人员系统地探索了等向性架构（如Vision Transformer）中多层特征融合在遮挡图像建模中的应用。

今天为大家介绍了BACL，一个针对长尾目标检测任务的统一框架。通过采用分而治之的策略，BACL 引入了 FCBL 来减轻前景类别间的不平等竞争，以及 FHM 来增强尾部类别的多样性。

本工作明确关注自动驾驶中的一个致命问题，即假阴性检测。为此，作者提出了FocalFormer3D作为解决方案。

今天，我们主要围绕Foundational Models，即基础模型这个概念，向大家全面阐述一个崭新的视觉系统。

本文通过引入轻量级 ViT 的架构选择，重新审视了轻量级 CNNs 的高效设计。这导致了 RepViT 的出现，这是一种新的轻量级 CNNs 家族，专为资源受限的移动设备设计。

如果您也有好的工作想分享给更多的小伙伴，欢迎随时联系 cv_huber，我们将提供一切力所能及的帮助！

本文提出了一个新颖的实例边界增强模块（IBE）和递归热重启训练策略（RecWR），以克服极度轻量级检测器的优化问题。