北工大校友Cheng Zhang獲SIGGRAPH最佳博士論文獎！
SIGGRAPH 博士論文獎設(shè)立于 2016 年，每年頒發(fā)給在計算機(jī)圖形學(xué)和交互技術(shù)領(lǐng)域成功答辯并完....
基于未知物體進(jìn)行6D追蹤和3D重建的方法
如今，計算機(jī)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(dá)提出了同時對未....
DragGAN開源效果如何
動動鼠標(biāo)，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....
OpenOOD v1.5：更全面、更精確的分布外檢測代碼庫及測試平臺
對于訓(xùn)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(guān)鍵能力便是檢測未知的、分布外的（out-....
中科院提出FastSAM快速分割一切模型！比Meta原版提速50倍！
通過將分割?切任務(wù)重新劃分為全實例分割和提?指導(dǎo)選擇兩個?任務(wù)，?帶實例分割分?的常規(guī) CNN 檢測....
論文插圖也能自動生成了！用到了擴(kuò)散模型，還被ICLR 2023接收！
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(fù)雜關(guān)系。與生成自然圖像不同，論....
基于通用的模型PADing解決三大分割任務(wù)
1. 研究動機(jī) 圖像分割旨在將具有不同語義的像素進(jìn)行分類進(jìn)而分組，例如類別或?qū)嵗?，近年來取得飛速的發(fā)....
基于Transformer的大型語言模型（LLM）的內(nèi)部機(jī)制
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(jī)制，以提高它們的可靠....
復(fù)旦和Meta提出Open-VCLIP：兼顧時序建模與開集識別的視頻理解模型
本文提出了一種新的CLIP向視頻領(lǐng)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....
NVIDIA拿下CVPR 2023 3D Occupancy預(yù)測第一名！
在傳統(tǒng)的三維物體檢測任務(wù)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....
650億參數(shù)，8塊GPU就能全參數(shù)微調(diào)！邱錫鵬團(tuán)隊把大模型門檻打下來了！
在上周復(fù)旦大學(xué)邱錫鵬團(tuán)隊提交的論文《Full Parameter Fine-tuning for L....
純隨機(jī)數(shù)學(xué)無限生成逼真3D世界火了！
盡管AI發(fā)展迅猛，但目前CV領(lǐng)域的許多任務(wù)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)。....
顏寧新論文突然上線Nature子刊：結(jié)構(gòu)是AI無能為力的
這篇論文的通訊作者是結(jié)構(gòu)生物學(xué)家顏寧，主要從事與疾病相關(guān)的重要膜轉(zhuǎn)運(yùn)蛋白、電壓門控離子通道的結(jié)構(gòu)與工....
CVPR 2023最佳論文候選！真實高精3D物體數(shù)據(jù)集OmniObject3D
面向真實 3D 物體的感知、理解、重建與生成是計算機(jī)視覺領(lǐng)域一直倍受關(guān)注的問題，也在近年來取得了飛速....
基于交互環(huán)境的生成式預(yù)訓(xùn)練和指令微調(diào)方法
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....
陶哲軒自曝用了"滿血版"GPT-4：人類對信息技術(shù)的期待全部需要校準(zhǔn)
我可以將最近的一篇數(shù)學(xué)預(yù)印本的前幾頁P(yáng)DF輸入GPT-4，讓它生成半打有關(guān)該預(yù)印本的專家可能會提出的....
基于預(yù)訓(xùn)練模型和語言增強(qiáng)的零樣本視覺學(xué)習(xí)
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(jìn)一步提升 怎....
LeCun世界模型首個研究！自監(jiān)督視覺像人一樣學(xué)習(xí)和推理！
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(yù)測架....
李飛飛團(tuán)隊新作SiamMAE：孿生掩碼自編碼器，刷榜視覺自監(jiān)督方法！
先隨機(jī)采樣兩個視頻幀，并進(jìn)行非對稱掩碼操作；然后SiamMAE編碼器網(wǎng)絡(luò)對兩個幀進(jìn)行獨立處理，最后使....
Transformer在下一個token預(yù)測任務(wù)上的SGD訓(xùn)練動態(tài)
? 【導(dǎo)讀】 AI理論再進(jìn)一步，破解ChatGPT指日可待？ Transformer架構(gòu)已經(jīng)橫掃了包....
NUS&深大提出VisorGPT：為可控文本圖像生成定制空間條件
本文將空間條件中物體的形狀、位置以及它們之間的關(guān)系等性質(zhì)總結(jié)為視覺先驗（Visual Prior），....
多模態(tài)新任務(wù)和新數(shù)據(jù)集！NTU提出廣義引用分割問題GRES
RES在圖形編輯、視頻制作、人機(jī)交互和機(jī)器人等眾多應(yīng)用領(lǐng)域具有巨大潛力。目前，大多數(shù)現(xiàn)有方法都遵循在....
開源了！UniControl：可控視覺生成的統(tǒng)一擴(kuò)散模型
現(xiàn)有的可控圖片生成模型都是針對單一的模態(tài)進(jìn)行設(shè)計，然而 Taskonomy [3] 等工作證明不同的....
微軟提出Control-GPT：用GPT-4實現(xiàn)可控文本到圖像生成！
該研究提出了一個簡單而有效的框架 Control-GPT，它利用 LLM 的強(qiáng)大功能根據(jù)文本 pro....
阿里&華科大提出ONE-PEACE：更好的通用表征模型，刷新多個SOTA！
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....
