الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

أوراق CVPR 2024 ومجموعة المشاريع مفتوحة المصدر (أوراق تحتوي على كود)

قرارات CVPR 2024 متاحة الآن على OpenReview!

ملاحظة 1: الجميع مدعوون لتقديم القضايا ومشاركة أوراق CVPR 2024 والمشاريع مفتوحة المصدر!

ملاحظة 2: للحصول على تفاصيل حول الأوراق من مؤتمرات السيرة الذاتية السابقة وغيرها من أوراق السيرة الذاتية عالية الجودة والمراجعات الشاملة، يرجى الاطلاع على: https://github.com/amusi/daily-paper-computer-vision

  • ECCV2024
  • سي في بي آر 2023

مرحبًا بك في مسح رمز الاستجابة السريعة ضوئيًا للانضمام إلى [CVer Academic Exchange Group]، وهو أكبر كوكب معرفة بالذكاء الاصطناعي للرؤية الحاسوبية! يتم تحديثها يوميًا، ومشاركة أحدث وأحدث المواد التعليمية في رؤية الكمبيوتر، والرسم بالذكاء الاصطناعي، ومعالجة الصور، والتعلم العميق، والقيادة الذاتية، والتصوير الطبي، وAIGC، ابدأ التعلم في أقرب وقت ممكن!

[دليل الورق مفتوح المصدر CVPR 2024]

  • 3DGS (الرش الغاوسي)
  • الصور الرمزية
  • العمود الفقري
  • مقطع
  • ماي
  • الذكاء الاصطناعي المتجسد
  • جان
  • جي إن إن
  • نموذج اللغة الكبير متعدد الوسائط (MLLM)
  • نموذج اللغة الكبير (LLM)
  • ناس
  • التعرف الضوئي على الحروف
  • جبهة الخلاص الوطني
  • ديتر
  • اِسْتَدْعَى
  • نماذج الانتشار
  • ReID (إعادة تحديد الهوية)
  • توزيع الذيل الطويل (ذيل طويل)
  • محول الرؤية
  • لغة الرؤية
  • التعلم الخاضع للإشراف الذاتي
  • زيادة البيانات
  • كشف الكائنات
  • كشف الشذوذ
  • تتبع الهدف (التتبع البصري)
  • التقسيم الدلالي
  • تجزئة المثيل
  • تجزئة بانوبتيك
  • الصورة الطبية
  • تجزئة الصورة الطبية
  • تجزئة كائن الفيديو
  • تجزئة مثيل الفيديو
  • في اشارة الى تجزئة الصورة
  • تلميع الصورة
  • تحرير الصور
  • رؤية منخفضة المستوى
  • فائقة الدقة
  • تقليل الضوضاء
  • تشويش
  • القيادة الذاتية
  • 3D نقطة السحابة
  • كشف الكائنات ثلاثية الأبعاد
  • التقسيم الدلالي ثلاثي الأبعاد
  • تتبع الكائنات ثلاثية الأبعاد
  • إكمال المشهد الدلالي ثلاثي الأبعاد (إكمال المشهد الدلالي ثلاثي الأبعاد)
  • تسجيل ثلاثي الأبعاد
  • تقدير وضعية الإنسان ثلاثية الأبعاد
  • تقدير الشبكة البشرية ثلاثي الأبعاد
  • الصورة الطبية
  • توليد الصور
  • توليد الفيديو
  • الجيل ثلاثي الأبعاد
  • فهم الفيديو
  • كشف العمل
  • كشف النص
  • تقطير المعرفة
  • التقليم النموذجي
  • ضغط الصور
  • إعادة الإعمار ثلاثية الأبعاد
  • تقدير العمق
  • التنبؤ بالمسار
  • كشف المسار
  • تعليق الصورة
  • الإجابة على الأسئلة البصرية
  • التعرف على لغة الإشارة
  • التنبؤ بالفيديو
  • رواية عرض التوليف
  • التعلم الصفري (التعلم بدون عينة)
  • مطابقة ستيريو
  • مطابقة الميزات
  • توليد الرسم البياني للمشهد
  • التمثيلات العصبية الضمنية
  • تقييم جودة الصورة
  • تقييم جودة الفيديو
  • مجموعات البيانات
  • مهام جديدة
  • آحرون

3DGS (الرش الغاوسي)

Scaffold-GS: غاوسيات ثلاثية الأبعاد منظمة للعرض المتكيف

  • الصفحة الرئيسية: https://city-super.github.io/scaffold-gs/
  • الورقة: https://arxiv.org/abs/2312.00109
  • الكود: https://github.com/city-super/Scaffold-GS

GPS-Gaussian: رش غاوسي ثلاثي الأبعاد قابل للتعميم من أجل تجميع عرض الرواية البشرية في الوقت الفعلي

  • الصفحة الرئيسية: https://shunyuanzheng.github.io/GPS-Gaussian
  • الورقة: https://arxiv.org/abs/2312.02155
  • الرمز: https://github.com/ShunyuanZheng/GPS-Gaussian

GaussianAvatar: نحو نمذجة واقعية للصورة الرمزية البشرية من فيديو واحد عبر Gaussians المتحركة ثلاثية الأبعاد

  • الورقة: https://arxiv.org/abs/2312.02134
  • الكود: https://github.com/huliangxiao/GaussianAvatar

محرر Gaussian: تحرير ثلاثي الأبعاد سريع ويمكن التحكم فيه باستخدام تقنية Gaussian Splatting

  • الورقة: https://arxiv.org/abs/2311.14521
  • الكود: https://github.com/buaacyw/GaussianEditor

غاوسيات ثلاثية الأبعاد قابلة للتشوه لإعادة بناء المشهد الديناميكي أحادي العين عالي الدقة

  • الصفحة الرئيسية: https://ingra14m.github.io/Deformable-Gaussians/
  • الورقة: https://arxiv.org/abs/2309.13101
  • الكود: https://github.com/ingra14m/Deformable-3D-Gaussians

SC-GS: رش غاوسي يتم التحكم فيه بشكل متناثر للمشاهد الديناميكية القابلة للتحرير

  • الصفحة الرئيسية: https://yihua7.github.io/SC-GS-web/
  • الورقة: https://arxiv.org/abs/2312.14937
  • الكود: https://github.com/yihua7/SC-GS

ميزة Spacetime Gaussian Splatting لتوليف العرض الديناميكي في الوقت الفعلي

  • الصفحة الرئيسية: https://oppo-us-research.github.io/SpacetimeGaussians-website/
  • الورقة: https://arxiv.org/abs/2312.16812
  • الكود: https://github.com/oppo-us-research/SpacetimeGaussians

DNGaussian: تحسين مجالات الإشعاع الغاوسي ثلاثية الأبعاد ذات العرض المتفرق من خلال تطبيع العمق العالمي والمحلي

  • الصفحة الرئيسية: https://fictionarry.github.io/DNGaussian/
  • الورقة: https://arxiv.org/abs/2403.06912
  • الكود: https://github.com/Fictionarry/DNGaussian

4D Gaussian Splatting لعرض المشهد الديناميكي في الوقت الحقيقي

  • الورقة: https://arxiv.org/abs/2310.08528
  • الكود: https://github.com/hustvl/4DGaussians

GaussianDreamer: إنشاء سريع من النص إلى Gaussians ثلاثي الأبعاد من خلال سد نماذج الانتشار ثنائية وثلاثية الأبعاد

  • الورقة: https://arxiv.org/abs/2310.08529
  • الكود: https://github.com/hustvl/GaussianDreamer

الصور الرمزية

GaussianAvatar: نحو نمذجة واقعية للصورة الرمزية البشرية من فيديو واحد عبر Gaussians المتحركة ثلاثية الأبعاد

  • الورقة: https://arxiv.org/abs/2312.02134
  • الكود: https://github.com/huliangxiao/GaussianAvatar

الصورة الرمزية المحاكاة في الوقت الحقيقي من أجهزة الاستشعار المثبتة على الرأس

  • الصفحة الرئيسية: https://www.zhengyiluo.com/SimXR/
  • الورقة: https://arxiv.org/abs/2403.06862

العمود الفقري

RepViT: إعادة النظر في Mobile CNN من منظور ViT

  • الورقة: https://arxiv.org/abs/2307.09283
  • الكود: https://github.com/THU-MIG/RepViT

TransNeXt: الإدراك البصري النقيري القوي لمحولات الرؤية

  • الورقة: https://arxiv.org/abs/2311.17132
  • الكود: https://github.com/DaiShiResearch/TransNeXt

مقطع

Alpha-CLIP: نموذج CLIP يركز على المكان الذي تريده

  • الورقة: https://arxiv.org/abs/2312.03818
  • الكود: https://github.com/SunzeY/AlphaCLIP

FairCLIP: تسخير العدالة في تعلم لغة الرؤية

  • الورقة: https://arxiv.org/abs/2403.19949
  • الكود: https://github.com/Harvard-Ophthalmology-AI-Lab/FairCLIP

ماي

الذكاء الاصطناعي المتجسد

EmbodiedScan: مجموعة تصورات ثلاثية الأبعاد شاملة ومتعددة الوسائط نحو الذكاء الاصطناعي المتجسد

  • الصفحة الرئيسية: https://tai-wang.github.io/embodiedscan/
  • الورقة: https://arxiv.org/abs/2312.16170
  • الكود: https://github.com/OpenRobotLab/EmbodiedScan

MP5: نظام مجسد مفتوح متعدد الوسائط في لعبة Minecraft عبر الإدراك النشط

  • الصفحة الرئيسية: https://iranqin.github.io/MP5.github.io/
  • الورقة: https://arxiv.org/abs/2312.07472
  • الكود: https://github.com/IranQin/MP5

ليمون: تعلم علاقة التفاعل بين الإنسان والكائن ثلاثية الأبعاد من الصور ثنائية الأبعاد

  • الورقة: https://arxiv.org/abs/2312.08963
  • الكود: https://github.com/yyvhang/lemon_3d

جان

التعرف الضوئي على الحروف

دراسة تجريبية لقانون القياس للتعرف الضوئي على الحروف

  • الورقة: https://arxiv.org/abs/2401.00028
  • الكود: https://github.com/large-ocr-model/large-ocr-model.github.io

ODM: نهج ما قبل التدريب لمحاذاة النص والصورة بشكل إضافي لاكتشاف نص المشهد وتحديد موقعه

  • الورقة: https://arxiv.org/abs/2403.00303
  • الكود: https://github.com/PriNing/ODM

جبهة الخلاص الوطني

PIE-NeRF؟: الديناميكا المرنة التفاعلية القائمة على الفيزياء مع NeRF

  • الورقة: https://arxiv.org/abs/2311.13099
  • الكود: https://github.com/FYTalon/pienerf/

ديتر

تتفوق أجهزة DETRs على YOLOs في اكتشاف الكائنات في الوقت الفعلي

  • الورقة: https://arxiv.org/abs/2304.08069
  • الكود: https://github.com/lyuwenyu/RT-DETR

Salience DETR: تعزيز محول الكشف من خلال تحسين تصفية البروز الهرمي

  • الورقة: https://arxiv.org/abs/2403.16131
  • الكود: https://github.com/xiuqhou/Salience-DETR

اِسْتَدْعَى

نموذج اللغة الكبير متعدد الوسائط (MLLM)

mPLUG-Owl2: نموذج لغة كبير متعدد الوسائط يُحدث ثورة من خلال التعاون بين الوسائط

  • الورقة: https://arxiv.org/abs/2311.04257
  • الكود: https://github.com/X-PLUG/mPLUG-Owl/tree/main/mPLUG-Owl2

التعلم بسياق الارتباط لماجستير إدارة الأعمال متعدد الوسائط

  • الورقة: https://arxiv.org/abs/2308.07891
  • الكود: https://github.com/isekai-portal/Link-Context-Learning/tree/main

OPERA: تخفيف الهلوسة في نماذج اللغات الكبيرة متعددة الوسائط من خلال عقوبة الإفراط في الثقة والتخصيص بأثر رجعي

  • الورقة: https://arxiv.org/abs/2311.17911
  • الكود: https://github.com/shikiw/OPERA

جعل النماذج الكبيرة متعددة الوسائط تفهم المطالبات البصرية العشوائية

  • الصفحة الرئيسية: https://vip-llava.github.io/
  • الورقة: https://arxiv.org/abs/2312.00784

اللون الوردي: الكشف عن قوة الفهم المرجعي للمواد متعددة الوسائط

  • الورقة: https://arxiv.org/abs/2310.00582
  • الكود: https://github.com/SY-Xuan/Pink

Chat-UniVi: يعمل التمثيل المرئي الموحد على تمكين نماذج اللغات الكبيرة من خلال فهم الصور والفيديو

  • الورقة: https://arxiv.org/abs/2311.08046
  • الكود: https://github.com/PKU-YuanGroup/Chat-UniVi

OneLLM: إطار واحد لمواءمة جميع الأساليب مع اللغة

  • الورقة: https://arxiv.org/abs/2312.03700
  • الكود: https://github.com/csuhan/OneLLM

نموذج اللغة الكبير (LLM)

VTimeLLM: تمكين LLM من فهم لحظات الفيديو

  • الورقة: https://arxiv.org/abs/2311.18445
  • الكود: https://github.com/huangb23/VTimeLLM

ناس

ReID (إعادة تحديد الهوية)

الرموز السحرية: حدد الرموز المتنوعة لإعادة تعريف الكائنات متعددة الوسائط

  • الورقة: https://arxiv.org/abs/2403.10254
  • الكود: https://github.com/924973292/EDITOR

التعلم بالمراسلة الصاخبة لإعادة تحديد هوية الشخص من النص إلى الصورة

  • الورقة: https://arxiv.org/abs/2308.09911

  • الكود: https://github.com/QinYang79/RDE

نماذج الانتشار

InstanceDiffusion: التحكم على مستوى المثيل لإنشاء الصور

  • الصفحة الرئيسية: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

  • الورقة: https://arxiv.org/abs/2402.03290

  • الكود: https://github.com/frank-xwang/InstanceDiffusion

نماذج انتشار تقليل الضوضاء المتبقية

  • الورقة: https://arxiv.org/abs/2308.13712
  • الكود: https://github.com/nachifur/RDDM

DeepCache: تسريع نماذج الانتشار مجانًا

  • الورقة: https://arxiv.org/abs/2312.00858
  • الكود: https://github.com/horseee/DeepCache

DEADiff: نموذج نشر أسلوب فعال مع تمثيلات منفصلة

  • الصفحة الرئيسية: https://tianhao-qi.github.io/DEADiff/

  • الورقة: https://arxiv.org/abs/2403.06951

  • الكود: https://github.com/Tianhao-Qi/DEADiff_code

SVGDreamer: إنشاء SVG موجه بالنص مع نموذج الانتشار

  • الورقة: https://arxiv.org/abs/2312.16476
  • الكود: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: التحكم في التفاعل لنموذج نشر النص إلى الصورة

  • الورقة: https://arxiv.org/abs/2312.05849
  • الكود: https://github.com/jiuntian/interactdiffusion

MMA-Diffusion: هجوم متعدد الوسائط على نماذج الانتشار

  • الورقة: https://arxiv.org/abs/2311.17516
  • الكود: https://github.com/yangyijune/MMA-Diffusion

VMC: تخصيص حركة الفيديو باستخدام تكيف الانتباه الزمني لنماذج نشر النص إلى الفيديو

  • الصفحة الرئيسية: https://video-motion-customization.github.io/
  • الورقة: https://arxiv.org/abs/2312.00845
  • الكود: https://github.com/HyeonHo99/Video-Motion-Customization

محول الرؤية

TransNeXt: الإدراك البصري النقيري القوي لمحولات الرؤية

  • الورقة: https://arxiv.org/abs/2311.17132
  • الكود: https://github.com/DaiShiResearch/TransNeXt

RepViT: إعادة النظر في Mobile CNN من منظور ViT

  • الورقة: https://arxiv.org/abs/2307.09283
  • الكود: https://github.com/THU-MIG/RepViT

تدريب عام وفعال للمحولات عبر توسيع الرمز المميز

  • الورقة: https://arxiv.org/abs/2404.00672
  • الكود: https://github.com/Osilly/TokenExpansion

لغة الرؤية

PromptKD: التقطير الفوري غير الخاضع للرقابة لنماذج لغة الرؤية

  • الورقة: https://arxiv.org/abs/2403.02781
  • الكود: https://github.com/zhengli97/PromptKD

FairCLIP: تسخير العدالة في تعلم لغة الرؤية

  • الورقة: https://arxiv.org/abs/2403.19949
  • الكود: https://github.com/Harvard-Ophthalmology-AI-Lab/FairCLIP

كشف الكائنات

تتفوق أجهزة DETRs على YOLOs في اكتشاف الكائنات في الوقت الفعلي

  • الورقة: https://arxiv.org/abs/2304.08069
  • الكود: https://github.com/lyuwenyu/RT-DETR

تعزيز اكتشاف الكائنات من خلال التكيف مع نطاق Zero-Shot Day-Night

  • الورقة: https://arxiv.org/abs/2312.01220
  • الكود: https://github.com/ZPDu/Boosting-Object-Detection-with-Zero-Shot-Day-Night-Domain-Adaptation

YOLO-World: اكتشاف كائنات المفردات المفتوحة في الوقت الفعلي

  • الورقة: https://arxiv.org/abs/2401.17270
  • الكود: https://github.com/AILab-CVC/YOLO-World

Salience DETR: تعزيز محول الكشف من خلال تحسين تصفية البروز الهرمي

  • الورقة: https://arxiv.org/abs/2403.16131
  • الكود: https://github.com/xiuqhou/Salience-DETR

كشف الشذوذ

تعلم عدم تجانس الشذوذ من أجل الكشف عن الشذوذ تحت الإشراف المفتوح

  • الورقة: https://arxiv.org/abs/2310.12790
  • الكود: https://github.com/mala-lab/AHL

تتبع الكائنات

الخوض في توزيع المسار طويل الذيل لتتبع الكائنات المتعددة

  • الورقة: https://arxiv.org/abs/2403.04700
  • الكود: https://github.com/chen-si-jia/Trajectory-Long-tail-Distribution-for-MOT

التقسيم الدلالي

أقوى وأقل وأكثر تفوقًا: تسخير نماذج مؤسسة الرؤية للتجزئة الدلالية المعممة للمجال

  • الورقة: https://arxiv.org/abs/2312.04265
  • الكود: https://github.com/w1oves/Rein

SED: جهاز فك ترميز بسيط للتجزئة الدلالية للمفردات المفتوحة

  • الورقة: https://arxiv.org/abs/2311.15537
  • الكود: https://github.com/xb534/SED

الصورة الطبية

إعادة تضمين الميزة: نحو أداء على مستوى النموذج التأسيسي في علم الأمراض الحسابي

  • الورقة: https://arxiv.org/abs/2402.17228
  • الكود: https://github.com/DearCaat/RRT-MIL

VoCo: إطار تعليمي متباين بسيط ولكنه فعال لتحليل الصور الطبية ثلاثية الأبعاد

  • الورقة: https://arxiv.org/abs/2402.17300
  • الكود: https://github.com/Luffy03/VoCo

ChAda-ViT: قناة الاهتمام التكيفي لتعلم التمثيل المشترك للصور المجهرية غير المتجانسة

  • الورقة: https://arxiv.org/abs/2311.15264
  • الكود: https://github.com/nicoboou/chada_vit

تجزئة الصورة الطبية

القيادة الذاتية

UniPAD: نموذج عالمي للتدريب المسبق للقيادة الذاتية

  • الورقة: https://arxiv.org/abs/2310.08370
  • الكود: https://github.com/Nightmare-n/UniPAD

Cam4DOcc: معيار للتنبؤ بالإشغال رباعي الأبعاد للكاميرا فقط في تطبيقات القيادة الذاتية

  • الورقة: https://arxiv.org/abs/2311.17663
  • الكود: https://github.com/haomo-ai/Cam4DOcc

المحولات المستندة إلى الذاكرة لإدراك المشهد ثلاثي الأبعاد عبر الإنترنت

  • الورقة: https://arxiv.org/abs/2403.06974
  • الكود: https://github.com/xuxw98/Online3D

قم بدمج إكمال المشهد الدلالي ثلاثي الأبعاد باستخدام استعلامات المثيلات السياقية

  • الورقة: https://arxiv.org/abs/2306.15670
  • الكود: https://github.com/hustvl/Symphonies

مجموعة بيانات واسعة النطاق في العالم الحقيقي للإدراك التعاوني على جانب الطريق

  • الورقة: https://arxiv.org/abs/2403.10145
  • الكود: https://github.com/AIR-THU/DAIR-RCooper

دمج متكيف للعرض الفردي وعمق العرض المتعدد للقيادة الذاتية

  • الورقة: https://arxiv.org/abs/2403.07535
  • الكود: https://github.com/Junda24/AFNet

تحليل مشهد المرور من خلال مجموعة بيانات TSP6K

  • الورقة: https://arxiv.org/pdf/2303.02835.pdf
  • الكود: https://github.com/PengtaoJiang/TSP6K

سحابة نقطية ثلاثية الأبعاد (3D-Point-Cloud)

كشف الكائنات ثلاثية الأبعاد

PTT: محول نقطة المسار لاكتشاف الأجسام ثلاثية الأبعاد بكفاءة

  • الورقة: https://arxiv.org/abs/2312.08371
  • الكود: https://github.com/kuanchihhuang/PTT

UniMODE: الكشف الموحد للأشياء ثلاثية الأبعاد

  • الورقة: https://arxiv.org/abs/2402.18573

التقسيم الدلالي ثلاثي الأبعاد

تحرير الصور

تحرير واحد للجميع: تحرير الصور دفعة تفاعلية

  • الصفحة الرئيسية: https://thaoshibe.github.io/edit-one-for-all
  • الورقة: https://arxiv.org/abs/2401.10219
  • الكود: https://github.com/thaoshibe/edit-one-for-all

تحرير الفيديو

MaskINT: تحرير الفيديو عبر محولات مقنعة غير انحدارية

  • الصفحة الرئيسية: https://maskint.github.io

  • الورقة: https://arxiv.org/abs/2312.12468

رؤية منخفضة المستوى

نماذج انتشار تقليل الضوضاء المتبقية

  • الورقة: https://arxiv.org/abs/2308.13712
  • الكود: https://github.com/nachifur/RDDM

تعزيز استعادة الصور عبر الـ Priors من النماذج المدربة مسبقًا

  • الورقة: https://arxiv.org/abs/2403.06793

فائقة الدقة

SeD: أداة التمييز الدلالي للحصول على دقة فائقة للصورة

  • الورقة: https://arxiv.org/abs/2402.19387
  • الكود: https://github.com/lbc12345/SeD

APISR: إنتاج الأنيمي ذو الدقة الفائقة المستوحاة من العالم الحقيقي

  • الورقة: https://arxiv.org/abs/2403.01598
  • الكود: https://github.com/Kiteretsu77/APISR

تقليل الضوضاء

تقليل الضوضاء الصورة

تقدير وضعية الإنسان ثلاثية الأبعاد

رمز الساعة الرملية لتقدير وضع الإنسان ثلاثي الأبعاد فعال قائم على المحولات

  • الورقة: https://arxiv.org/abs/2311.12028
  • الكود: https://github.com/NationalGAILab/HoT

توليد الصور

InstanceDiffusion: التحكم على مستوى المثيل لإنشاء الصور

  • الصفحة الرئيسية: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

  • الورقة: https://arxiv.org/abs/2402.03290

  • الكود: https://github.com/frank-xwang/InstanceDiffusion

ECLIPSE: عملية تحويل النص إلى صورة تتسم بالكفاءة في استخدام الموارد لأجيال الصور

  • الصفحة الرئيسية: https://Eclipse-t2i.vercel.app/

  • الورقة: https://arxiv.org/abs/2312.04655

  • الكود: https://github.com/Eclipse-t2i/Eclipse-inference

Instruct-Imagen: إنشاء الصور باستخدام تعليمات متعددة الوسائط

  • الورقة: https://arxiv.org/abs/2401.01952

نماذج انتشار تقليل الضوضاء المتبقية

  • الورقة: https://arxiv.org/abs/2308.13712
  • الكود: https://github.com/nachifur/RDDM

UniGS: التمثيل الموحد لتوليد الصور وتقسيمها

  • الورقة: https://arxiv.org/abs/2312.01985

وحدة تحكم إنشاء مثيلات متعددة لتوليف النص إلى الصورة

  • الورقة: https://arxiv.org/abs/2402.05408
  • الكود: https://github.com/limuloo/migc

SVGDreamer: إنشاء SVG موجه بالنص مع نموذج الانتشار

  • الورقة: https://arxiv.org/abs/2312.16476
  • الكود: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: التحكم في التفاعل لنموذج نشر النص إلى الصورة

  • الورقة: https://arxiv.org/abs/2312.05849
  • الكود: https://github.com/jiuntian/interactdiffusion

راني: ترويض نشر النص إلى الصورة من أجل المتابعة السريعة الدقيقة

  • الورقة: https://arxiv.org/abs/2311.17002
  • الكود: https://github.com/ali-vilab/Ranni

توليد الفيديو

مدون الفيديو: اجعل حلمك مدونة فيديو

  • الورقة: https://arxiv.org/abs/2401.09414
  • الكود: https://github.com/Vchitect/Vlogger

VBench: مجموعة المعايير الشاملة لنماذج توليد الفيديو

  • الصفحة الرئيسية: https://vchitect.github.io/VBench-project/
  • الورقة: https://arxiv.org/abs/2311.17982
  • الكود: https://github.com/Vchitect/VBench

VMC: تخصيص حركة الفيديو باستخدام تكيف الانتباه الزمني لنماذج نشر النص إلى الفيديو

  • الصفحة الرئيسية: https://video-motion-customization.github.io/
  • الورقة: https://arxiv.org/abs/2312.00845
  • الكود: https://github.com/HyeonHo99/Video-Motion-Customization

جيل ثلاثي الأبعاد

CityDreamer: النموذج التوليدي التركيبي للمدن غير المحدودة ثلاثية الأبعاد

  • الصفحة الرئيسية: https://haozhexie.com/project/city-dreamer/
  • الورقة: https://arxiv.org/abs/2309.00610
  • الكود: https://github.com/hzxie/city-dreamer

LucidDreamer: نحو إنشاء تحويل نص إلى ثلاثي الأبعاد عالي الدقة عبر مطابقة نقاط الفاصل الزمني

  • الورقة: https://arxiv.org/abs/2311.11284
  • الكود: https://github.com/EnVision-Research/LucidDreamer

فهم الفيديو

MVBench: معيار فهم شامل للفيديو متعدد الوسائط

  • الورقة: https://arxiv.org/abs/2311.17005
  • الكود: https://github.com/OpenGVLab/Ask-Anything/tree/main/video_chat2

تقطير المعرفة

توحيد اللوغاريتم في تقطير المعرفة

  • الورقة: https://arxiv.org/abs/2403.01427
  • الكود: https://github.com/sunshangquan/logit-standardization-KD

التقطير الفعال لمجموعة البيانات عبر Minimax Diffusion

  • الورقة: https://arxiv.org/abs/2311.15529
  • الكود: https://github.com/vimar-gu/MinimaxDiffusion

مطابقة ستيريو

مجال ماركوف العصبي العشوائي لمطابقة الاستريو

  • الورقة: https://arxiv.org/abs/2403.11193
  • الكود: https://github.com/aeolusguan/NMRF

توليد الرسم البياني للمشهد

HiKER-SGG: المعرفة الهرمية المعززة لإنشاء الرسم البياني للمشهد القوي

  • الصفحة الرئيسية: https://zhangce01.github.io/HiKER-SGG/
  • الورقة: https://arxiv.org/abs/2403.12033
  • الكود: https://github.com/zhangce01/HiKER-SGG

تقييم جودة الفيديو

KVQ: تقييم جودة فيديو Kaleidscope لمقاطع الفيديو القصيرة

  • الصفحة الرئيسية: https://lixinustc.github.io/projects/KVQ/

  • الورقة: https://arxiv.org/abs/2402.07220

  • الكود: https://github.com/lixinustc/KVQ-Challenge-CVPR-NTIRE2024

مجموعات البيانات

مجموعة بيانات واسعة النطاق في العالم الحقيقي للإدراك التعاوني على جانب الطريق

  • الورقة: https://arxiv.org/abs/2403.10145
  • الكود: https://github.com/AIR-THU/DAIR-RCooper

تحليل مشهد المرور من خلال مجموعة بيانات TSP6K

  • الورقة: https://arxiv.org/pdf/2303.02835.pdf
  • الكود: https://github.com/PengtaoJiang/TSP6K

آحرون

التعرف على الكائنات كتنبؤ بالرمز التالي

  • الورقة: https://arxiv.org/abs/2312.02142
  • الكود: https://github.com/kaiyuyue/nxtp

ParameterNet: المعلمات هي كل ما تحتاجه للتدريب البصري المسبق على نطاق واسع لشبكات الهاتف المحمول

  • الورقة: https://arxiv.org/abs/2306.14525
  • الكود: https://parameternet.github.io/

تكوين حركة بشرية سلسة مع ترميزات موضعية ممزوجة

  • الورقة: https://arxiv.org/abs/2402.15509
  • الكود: https://github.com/BarqueroGerman/FlowMDM

LL3DA: ضبط التعليمات التفاعلية المرئية لفهم Omni-3D والتفكير والتخطيط

  • الصفحة الرئيسية: https://ll3da.github.io/

  • الورقة: https://arxiv.org/abs/2311.18651

  • الكود: https://github.com/Open3DA/LL3DA

CLOVA: مساعد مرئي ذو حلقة مغلقة مع استخدام الأداة وتحديثها

  • الصفحة الرئيسية: https://clova-tool.github.io/
  • الورقة: https://arxiv.org/abs/2312.10908

MoMask: النمذجة المقنعة التوليدية للحركات البشرية ثلاثية الأبعاد

  • الورقة: https://arxiv.org/abs/2312.00063
  • الكود: https://github.com/EricGuo5513/momask-codes

أمودال الأرض الحقيقة والاكتمال في البرية

  • الصفحة الرئيسية: https://www.robots.ox.ac.uk/~vgg/research/amodal/
  • الورقة: https://arxiv.org/abs/2312.17247
  • الكود: https://github.com/Championchess/Amodal-Completion-in-the-Wild

تحسين التأريض البصري من خلال التفسيرات المتسقة ذاتيًا

  • الورقة: https://arxiv.org/abs/2312.04554
  • الكود: https://github.com/uvavision/SelfEQ

ImageNet-D: قياس قوة الشبكة العصبية على الكائنات الاصطناعية المنتشرة

  • الصفحة الرئيسية: https://chenshuang-zhang.github.io/imagenet_d/
  • الورقة: https://arxiv.org/abs/2403.18775
  • الكود: https://github.com/chenshuang-zhang/imagenet_d

التعلم من أنشطة المجموعة البشرية الاصطناعية

  • الصفحة الرئيسية: https://cjerry1243.github.io/M3Act/
  • ورقة https://arxiv.org/abs/2306.16772
  • الكود: https://github.com/cjerry1243/M3Act

إطار فك تشفير الدماغ عبر الموضوع

  • الصفحة الرئيسية: https://littlepure2333.github.io/MindBridge/
  • الورقة: https://arxiv.org/abs/2404.07850
  • الكود: https://github.com/littlepure2333/MindBridge

التنبؤ المكثف للمهام المتعددة عبر مزيج من الخبراء ذوي الرتبة المنخفضة

  • الورقة: https://arxiv.org/abs/2403.17749
  • الكود: https://github.com/YuqiYang213/MLoRE

التعلم المقارن للتحول المتوسط ​​لاكتشاف الفئة المعممة

  • الصفحة الرئيسية: https://postech-cvlab.github.io/cms/
  • الورقة: https://arxiv.org/abs/2404.09451
  • الكود: https://github.com/sua-choi/CMS
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل