SIGGRAPH 博士論文獎設立于 2016 年，每年頒發(fā)給在計算機圖形學和交互技術領域成功答辯并完....

如今，計算機視覺社區(qū)已經(jīng)廣泛展開了對物體姿態(tài)的 6D 追蹤和 3D 重建。本文中英偉達提出了同時對未....

導讀 本文提出一種"解耦蒸餾"方案對SAM的ViT-H解碼器進行蒸餾，同時所得輕量級編碼器可與SAM....

動動鼠標，讓圖片變「活」，成為你想要的模樣。 在 AIGC 的神奇世界里，我們可以在圖像上通過「拖曳....

對于訓練好的圖像分類器，能讓其可靠地在開放世界中工作的一個關鍵能力便是檢測未知的、分布外的（out-....

通過將分割?切任務重新劃分為全實例分割和提?指導選擇兩個?任務，?帶實例分割分?的常規(guī) CNN 檢測....

之前的模型大多利用手工制作的視覺線索特征，如顏色/亮度對比度、邊緣和形狀等，最近也有一些方法轉(zhuǎn)向基于....

然而生成圖表也面臨一些挑戰(zhàn)，它需要表示框、箭頭、文本等離散組件之間的復雜關系。與生成自然圖像不同，論....

1. 研究動機 圖像分割旨在將具有不同語義的像素進行分類進而分組，例如類別或?qū)嵗陙砣〉蔑w速的發(fā)....

本文旨在更好地理解基于 Transformer 的大型語言模型（LLM）的內(nèi)部機制，以提高它們的可靠....

本文提出了一種新的CLIP向視頻領域的遷移方法，找到模型泛化和專用化之間的平衡，讓模型既能識別微調(diào)時....

在傳統(tǒng)的三維物體檢測任務中，前景物體通常由三維邊界框表示。然而，這種方法存在一些弊端，一方面，現(xiàn)實世....

在上周復旦大學邱錫鵬團隊提交的論文《Full Parameter Fine-tuning for L....

盡管AI發(fā)展迅猛，但目前CV領域的許多任務仍然缺乏高質(zhì)量的數(shù)據(jù)，3D尤甚。一個解決辦法是用合成數(shù)據(jù)。....

這篇論文的通訊作者是結構生物學家顏寧，主要從事與疾病相關的重要膜轉(zhuǎn)運蛋白、電壓門控離子通道的結構與工....

面向真實 3D 物體的感知、理解、重建與生成是計算機視覺領域一直倍受關注的問題，也在近年來取得了飛速....

引言 距離上次的長篇大論，已經(jīng)過去了半年有余。這段時間，對于AI業(yè)界甚至整個世界，都是驚心動魄的。在....

我可以將最近的一篇數(shù)學預印本的前幾頁PDF輸入GPT-4，讓它生成半打有關該預印本的專家可能會提出的....

本文介紹CVPR2023的中稿論文：Temporal Attention Unit: Towards....

在一些非自然圖像中要比傳統(tǒng)模型表現(xiàn)更好 CoOp 增加一些 prompt 會讓模型能力進一步提升 怎....

今日，Meta 推出了首個基于 LeCun 世界模型概念的 AI 模型。該模型名為圖像聯(lián)合嵌入預測架....

圖2是模型的整體結構圖，它包含顏色感知背景提取網(wǎng)絡(Color-aware Background E....

先隨機采樣兩個視頻幀，并進行非對稱掩碼操作；然后SiamMAE編碼器網(wǎng)絡對兩個幀進行獨立處理，最后使....

? Stable Diffusion （SD）是當前最熱門的文本到圖像（text to image）....

? 【導讀】 AI理論再進一步，破解ChatGPT指日可待？ Transformer架構已經(jīng)橫掃了包....

本文將空間條件中物體的形狀、位置以及它們之間的關系等性質(zhì)總結為視覺先驗（Visual Prior），....

RES在圖形編輯、視頻制作、人機交互和機器人等眾多應用領域具有巨大潛力。目前，大多數(shù)現(xiàn)有方法都遵循在....

現(xiàn)有的可控圖片生成模型都是針對單一的模態(tài)進行設計，然而 Taskonomy [3] 等工作證明不同的....

該研究提出了一個簡單而有效的框架 Control-GPT，它利用 LLM 的強大功能根據(jù)文本 pro....

ImageBind算是跨出了重要的一步，但我之前文章提了我的個人觀點，就是采用小規(guī)模其他模態(tài)和圖像的....