CVHub

现有的基于深度神经网络的图像恢复模型通常只适用于特定的退化类型， 并且在其它退化类型上泛化能力有限。

本文介绍了Semantic-SAM，它可以以任何所需的粒度对任何物体进行分割和识别。除了进行通用的开放词汇的分割，Semantic-SAM展示了语义感知和丰富的粒度的优势。

近日，在AIGC的广阔世界里出现了一个火热的图像编辑方法—即通过在给定图像上通过把语义内容从原位置（handle point）拖动到目标位置（target point）的方式进行精细的定制化编辑操作。

本文介绍了Q-YOLO，一种高效的一阶段目标检测器，采用低比特量化方法解决传统量化 YOLO 模型中激活分布不平衡引起的性能下降问题。

本文提出了一种针对城市规模的多摄像头多目标跟踪任务的新颖方法。所提出的方法包括车辆检测、ReID特征提取、单摄像头多目标跟踪和跨摄像头关联等关键组件，共同实现多摄像头多目标跟踪的结果

香港理工大学 (The Hong Kong Polytechnic University) 是一所位于中国香港的公立综合性研究型大学，坐落于香港九龙红磡湾。

语义占据地图预测旨在推断自动驾驶载体在三维环境中安全操作所需的密集几何和语义信息。现有的占据预测方法几乎完全依赖于人工标注的体素数据进行训练。

今天主要向大家介绍一种名为 MedAugment 的自动数据增强方法，旨在将自动数据增强技术引入医学图像分析领域。该方法通过将增强空间划分为两种：像素增强空间 空间增强空间。

在这个 AIGC 爆发的时代，人人都可以利用AI算法生成高质量的文本，图像，音频内容。其中，由Midjourney, Stable Diffusion等图像生成方法制作的图像，其逼真程度让人赞叹!