Page d'accueil>Lié à la programmation>Python
Télécharger

Documents CVPR 2024 et collection de projets Open Source (articles avec code)

Les décisions CVPR 2024 sont désormais disponibles sur OpenReview !

Remarque 1 : tout le monde est invité à soumettre des problèmes et à partager des articles CVPR 2024 et des projets open source !

Remarque 2 : Pour plus de détails sur les articles des conférences CV précédentes et d'autres articles CV de haute qualité et des critiques complètes, veuillez consulter : https://github.com/amusi/daily-paper-computer-vision

  • ECCV2024
  • CVPR 2023

Bienvenue à scanner le code QR pour rejoindre le [CVer Academic Exchange Group], qui est la plus grande planète de connaissances en IA en vision par ordinateur ! Mis à jour quotidiennement, partagez les supports d'apprentissage les plus récents et les plus avancés en matière de vision par ordinateur, de peinture IA, de traitement d'image, d'apprentissage en profondeur, de conduite autonome, d'imagerie médicale et d'AIGC dès que possible.

[Répertoire papier open source CVPR 2024]

  • 3DGS (éclaboussures gaussiennes)
  • Avatars
  • Colonne vertébrale
  • AGRAFE
  • MAE
  • IA incarnée
  • GAN
  • GNN
  • Modèle multimodal de langage étendu (MLLM)
  • Grand modèle linguistique (LLM)
  • NAS
  • ROC
  • FRN
  • DETR
  • Rapide
  • Modèles de diffusion
  • ReID (ré-identification)
  • Distribution à longue traîne (Long-Tail)
  • Transformateur de vision
  • Vision-Langage
  • Apprentissage auto-supervisé
  • Augmentation des données
  • Détection d'objet
  • Détection des anomalies
  • Suivi de cible (suivi visuel)
  • Segmentation sémantique
  • Segmentation des instances
  • Segmentation panoptique
  • Image Médicale
  • Segmentation d'images médicales
  • Segmentation d'objets vidéo
  • Segmentation des instances vidéo
  • Segmentation d'image de référence
  • Tapis d'image
  • Édition d'images
  • Vision de bas niveau
  • Super-résolution
  • Débruitage
  • Déflou
  • Conduite autonome
  • Nuage de points 3D
  • Détection d'objets 3D
  • Segmentation sémantique 3D
  • Suivi d'objets 3D
  • Achèvement de la scène sémantique 3D (Achèvement de la scène sémantique 3D)
  • Inscription 3D
  • Estimation de la pose humaine en 3D
  • Estimation du maillage humain 3D
  • Image Médicale
  • Génération d'images
  • Génération vidéo
  • Génération 3D
  • Compréhension de la vidéo
  • Détection d'actions
  • Détection de texte
  • Distillation des connaissances
  • Taille du modèle
  • Compression d'images
  • Reconstitution 3D
  • Estimation de la profondeur
  • Prédiction de trajectoire
  • Détection de voie
  • Sous-titrage des images
  • Réponse visuelle aux questions
  • Reconnaissance de la langue des signes
  • Prédiction vidéo
  • Synthèse de nouvelles vues
  • Apprentissage Zero-Shot (apprentissage sans échantillon)
  • Correspondance stéréo
  • Correspondance des fonctionnalités
  • Génération de graphiques de scène
  • Représentations neuronales implicites
  • Évaluation de la qualité des images
  • Évaluation de la qualité vidéo
  • Ensembles de données
  • Nouvelles tâches
  • Autres

3DGS (éclaboussures gaussiennes)

Scaffold-GS : Gaussiennes 3D structurées pour un rendu adaptatif à la vue

  • Page d'accueil : https://city-super.github.io/scaffold-gs/
  • Article : https://arxiv.org/abs/2312.00109
  • Code : https://github.com/city-super/Scaffold-GS

GPS-Gaussian : éclaboussures gaussiennes 3D généralisables au niveau des pixels pour la synthèse de nouvelles vues humaines en temps réel

  • Page d'accueil : https://shunyuanzheng.github.io/GPS-Gaussian
  • Article : https://arxiv.org/abs/2312.02155
  • Code : https://github.com/ShunyuanZheng/GPS-Gaussian

GaussianAvatar : vers une modélisation réaliste d'avatar humain à partir d'une seule vidéo via des Gaussiennes 3D animables

  • Article : https://arxiv.org/abs/2312.02134
  • Code : https://github.com/huliangxiao/GaussianAvatar

GaussianEditor : édition 3D rapide et contrôlable avec éclaboussures gaussiennes

  • Article : https://arxiv.org/abs/2311.14521
  • Code : https://github.com/buaacyw/GaussianEditor

Gaussiennes 3D déformables pour la reconstruction de scènes dynamiques monoculaires haute fidélité

  • Page d'accueil : https://ingra14m.github.io/Deformable-Gaussians/
  • Article : https://arxiv.org/abs/2309.13101
  • Code : https://github.com/ingra14m/Deformable-3D-Gaussians

SC-GS : éclaboussures gaussiennes à contrôle clairsemé pour des scènes dynamiques modifiables

  • Page d'accueil : https://yihua7.github.io/SC-GS-web/
  • Article : https://arxiv.org/abs/2312.14937
  • Code : https://github.com/yihua7/SC-GS

Éclaboussure de caractéristiques gaussiennes spatio-temporelles pour la synthèse de vues dynamiques en temps réel

  • Page d'accueil : https://oppo-us-research.github.io/SpacetimeGaussians-website/
  • Article : https://arxiv.org/abs/2312.16812
  • Code : https://github.com/oppo-us-research/SpacetimeGaussians

DNGaussian : optimisation des champs de rayonnement gaussien 3D à vue clairsemée avec une normalisation de profondeur globale-locale

  • Page d'accueil : https://fictionarry.github.io/DNGaussian/
  • Article : https://arxiv.org/abs/2403.06912
  • Code : https://github.com/Fictionarry/DNGaussian

Éclaboussures gaussiennes 4D pour un rendu de scène dynamique en temps réel

  • Article : https://arxiv.org/abs/2310.08528
  • Code : https://github.com/hustvl/4DGaussians

GaussianDreamer : génération rapide du texte aux gaussiennes 3D en reliant les modèles de diffusion 2D et 3D

  • Article : https://arxiv.org/abs/2310.08529
  • Code : https://github.com/hustvl/GaussianDreamer

Avatars

GaussianAvatar : vers une modélisation réaliste d'avatar humain à partir d'une seule vidéo via des Gaussiennes 3D animables

  • Article : https://arxiv.org/abs/2312.02134
  • Code : https://github.com/huliangxiao/GaussianAvatar

Avatar simulé en temps réel à partir de capteurs montés sur la tête

  • Page d'accueil : https://www.zhengyiluo.com/SimXR/
  • Article : https://arxiv.org/abs/2403.06862

Colonne vertébrale

RepViT : revisiter CNN mobile du point de vue de ViT

  • Article : https://arxiv.org/abs/2307.09283
  • Code : https://github.com/THU-MIG/RepViT

TransNeXt : perception visuelle fovéale robuste pour les transformateurs de vision

  • Article : https://arxiv.org/abs/2311.17132
  • Code : https://github.com/DaiShiResearch/TransNeXt

AGRAFE

Alpha-CLIP : un modèle CLIP qui se concentre là où vous le souhaitez

  • Article : https://arxiv.org/abs/2312.03818
  • Code : https://github.com/SunzeY/AlphaCLIP

FairCLIP : Exploiter l'équité dans l'apprentissage du langage visuel

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

MAE

IA incarnée

EmbodiedScan : une suite de perception 3D multimodale holistique vers l'IA incarnée

  • Page d'accueil : https://tai-wang.github.io/embodiedscan/
  • Article : https://arxiv.org/abs/2312.16170
  • Code : https://github.com/OpenRobotLab/EmbodiedScan

MP5 : un système intégré multimodal ouvert dans Minecraft via la perception active

  • Page d'accueil : https://iranqin.github.io/MP5.github.io/
  • Article : https://arxiv.org/abs/2312.07472
  • Code : https://github.com/IranQin/MP5

LEMON : Apprendre la relation d'interaction homme-objet 3D à partir d'images 2D

  • Article : https://arxiv.org/abs/2312.08963
  • Code : https://github.com/yyvhang/lemon_3d

GAN

ROC

Une étude empirique de la loi de mise à l'échelle pour l'OCR

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

ODM : une approche de pré-formation à l'alignement approfondi du texte et de l'image pour la détection et le repérage de texte de scène

  • Article : https://arxiv.org/abs/2403.00303
  • Code : https://github.com/PriNing/ODM

FRN

PIE-NeRF ? : Élastodynamique interactive basée sur la physique avec NeRF

  • Article : https://arxiv.org/abs/2311.13099
  • Code : https://github.com/FYTalon/pienerf/

DETR

Les DETR battent les YOLO sur la détection d'objets en temps réel

  • Article : https://arxiv.org/abs/2304.08069
  • Code : https://github.com/lyuwenyu/RT-DETR

Salience DETR : amélioration du transformateur de détection grâce au raffinement du filtrage de saillance hiérarchique

  • Article : https://arxiv.org/abs/2403.16131
  • Code : https://github.com/xiuqhou/Salience-DETR

Rapide

Modèle multimodal de langage étendu (MLLM)

mPLUG-Owl2 : Révolutionner le modèle de langage multimodal avec la collaboration modale

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

Apprentissage en contexte de lien pour les LLM multimodaux

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

OPERA : atténuer les hallucinations dans les grands modèles de langage multimodaux via une pénalité de confiance excessive et une allocation de rétrospection

  • Article : https://arxiv.org/abs/2311.17911
  • Code : https://github.com/shikiw/OPERA

Faire en sorte que de grands modèles multimodaux comprennent des invites visuelles arbitraires

  • Page d'accueil : https://vip-llava.github.io/
  • Article : https://arxiv.org/abs/2312.00784

Pink : dévoiler le pouvoir de la compréhension référentielle pour les LLM multimodaux

  • Article : https://arxiv.org/abs/2310.00582
  • Code : https://github.com/SY-Xuan/Pink

Chat-UniVi : la représentation visuelle unifiée permet aux grands modèles de langage de comprendre les images et les vidéos

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

OneLLM : un cadre pour aligner toutes les modalités sur le langage

  • Article : https://arxiv.org/abs/2312.03700
  • Code : https://github.com/csuhan/OneLLM

Grand modèle linguistique (LLM)

VTimeLLM : permettez à LLM de saisir les moments vidéo

  • Article : https://arxiv.org/abs/2311.18445
  • Code : https://github.com/huangb23/VTimeLLM

NAS

ReID (ré-identification)

Jetons magiques : sélectionnez divers jetons pour la réidentification d'objets multimodaux

  • Article : https://arxiv.org/abs/2403.10254
  • Code : https://github.com/924973292/EDITOR

Apprentissage par correspondance bruyante pour la réidentification de personne texte-image

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

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

Modèles de diffusion

InstanceDiffusion : contrôle au niveau de l'instance pour la génération d'images

  • Page d'accueil : https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

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

Modèles de diffusion de débruitage résiduel

  • Article : https://arxiv.org/abs/2308.13712
  • Code : https://github.com/nachifur/RDDM

DeepCache : accélération gratuite des modèles de diffusion

  • Article : https://arxiv.org/abs/2312.00858
  • Code : https://github.com/horseee/DeepCache

DEADiff : un modèle de diffusion de stylisation efficace avec des représentations démêlées

  • Page d'accueil : https://tianhao-qi.github.io/DEADiff/

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

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

SVGDreamer : génération SVG guidée par texte avec modèle de diffusion

  • Article : https://arxiv.org/abs/2312.16476
  • Code : https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion : contrôle d'interaction pour le modèle de diffusion texte-image

  • Article : https://arxiv.org/abs/2312.05849
  • Code : https://github.com/jiuntian/interactdiffusion

MMA-Diffusion : attaque multimodale sur les modèles de diffusion

  • Article : https://arxiv.org/abs/2311.17516
  • Code : https://github.com/yangyijune/MMA-Diffusion

VMC : personnalisation du mouvement vidéo à l'aide de l'adaptation de l'attention temporelle pour les modèles de diffusion texte-vidéo

  • Accueil : https://video-motion-customization.github.io/
  • Article : https://arxiv.org/abs/2312.00845
  • Code : https://github.com/HyeonHo99/Video-Motion-Customization

Transformateur de vision

TransNeXt : perception visuelle fovéale robuste pour les transformateurs de vision

  • Article : https://arxiv.org/abs/2311.17132
  • Code : https://github.com/DaiShiResearch/TransNeXt

RepViT : revisiter CNN mobile du point de vue de ViT

  • Article : https://arxiv.org/abs/2307.09283
  • Code : https://github.com/THU-MIG/RepViT

Une formation générale et efficace pour Transformer via l'extension de jetons

  • Article : https://arxiv.org/abs/2404.00672
  • Code : https://github.com/Osilly/TokenExpansion

Vision-Langage

PromptKD : distillation rapide non supervisée pour les modèles vision-langage

  • Article : https://arxiv.org/abs/2403.02781
  • Code : https://github.com/zhengli97/PromptKD

FairCLIP : Exploiter l'équité dans l'apprentissage du langage visuel

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

Détection d'objet

Les DETR battent les YOLO sur la détection d'objets en temps réel

  • Article : https://arxiv.org/abs/2304.08069
  • Code : https://github.com/lyuwenyu/RT-DETR

Améliorer la détection d'objets avec l'adaptation de domaine jour-nuit Zero-Shot

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

YOLO-World : détection d'objets à vocabulaire ouvert en temps réel

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

Salience DETR : amélioration du transformateur de détection grâce au raffinement du filtrage de saillance hiérarchique

  • Article : https://arxiv.org/abs/2403.16131
  • Code : https://github.com/xiuqhou/Salience-DETR

Détection des anomalies

Apprentissage de l’hétérogénéité des anomalies pour la détection d’anomalies supervisée en mode ouvert

  • Article : https://arxiv.org/abs/2310.12790
  • Code : https://github.com/mala-lab/AHL

Suivi d'objet

Plonger dans la distribution de trajectoire à longue traîne pour le suivi multi-objets

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

Segmentation sémantique

Plus fort, moins nombreux et supérieur : exploiter les modèles de base de vision pour la segmentation sémantique généralisée du domaine

  • Article : https://arxiv.org/abs/2312.04265
  • Code : https://github.com/w1oves/Rein

SED : un encodeur-décodeur simple pour la segmentation sémantique à vocabulaire ouvert

  • Article : https://arxiv.org/abs/2311.15537
  • Code : https://github.com/xb534/SED

Image Médicale

Réintégration de fonctionnalités : vers des performances au niveau du modèle de base en pathologie computationnelle

  • Article : https://arxiv.org/abs/2402.17228
  • Code : https://github.com/DearCaat/RRT-MIL

VoCo : un cadre d'apprentissage contrastif en volume simple mais efficace pour l'analyse d'images médicales 3D

  • Article : https://arxiv.org/abs/2402.17300
  • Code : https://github.com/Luffy03/VoCo

ChAda-ViT : Canaliser l'attention adaptative pour l'apprentissage conjoint des représentations d'images de microscopie hétérogènes

  • Article : https://arxiv.org/abs/2311.15264
  • Code : https://github.com/nicoboou/chada_vit

Segmentation d'images médicales

Conduite autonome

UniPAD : un paradigme universel de pré-formation pour la conduite autonome

  • Article : https://arxiv.org/abs/2310.08370
  • Code : https://github.com/Nightmare-n/UniPAD

Cam4DOcc : référence pour la prévision d'occupation 4D par caméra uniquement dans les applications de conduite autonome

  • Article : https://arxiv.org/abs/2311.17663
  • Code : https://github.com/haomo-ai/Cam4DOcc

Adaptateurs basés sur la mémoire pour la perception de scènes 3D en ligne

  • Article : https://arxiv.org/abs/2403.06974
  • Code : https://github.com/xuxw98/Online3D

Symphonisez la complétion de scènes sémantiques 3D avec des requêtes d'instance contextuelles

  • Article : https://arxiv.org/abs/2306.15670
  • Code : https://github.com/hustvl/Symphonies

Un ensemble de données réelles à grande échelle pour la perception coopérative en bordure de route

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

Fusion adaptative de la profondeur d'une vue unique et d'une vue multiple pour la conduite autonome

  • Article : https://arxiv.org/abs/2403.07535
  • Code : https://github.com/Junda24/AFNet

Analyse des scènes de trafic via l'ensemble de données TSP6K

  • Article : https://arxiv.org/pdf/2303.02835.pdf
  • Code : https://github.com/PengtaoJiang/TSP6K

Nuage de points 3D (3D-Point-Cloud)

Détection d'objets 3D

PTT : transformateur point-trajectoire pour une détection efficace d'objets 3D temporels

  • Article : https://arxiv.org/abs/2312.08371
  • Code : https://github.com/kuanchihhuang/PTT

UniMODE : détection d'objets 3D monoculaires unifiées

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

Segmentation sémantique 3D

Édition d'images

Edit One for All : édition interactive d'images par lots

  • Page d'accueil : https://thaoshibe.github.io/edit-one-for-all
  • Article : https://arxiv.org/abs/2401.10219
  • Code : https://github.com/thaoshibe/edit-one-for-all

Montage vidéo

MaskINT : montage vidéo via des transformateurs masqués interpolatifs non autorégressifs

  • Page d'accueil : https://maskint.github.io

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

Vision de bas niveau

Modèles de diffusion de débruitage résiduel

  • Article : https://arxiv.org/abs/2308.13712
  • Code : https://github.com/nachifur/RDDM

Améliorer la restauration d'images via les priorités à partir de modèles pré-entraînés

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

Super-résolution

SeD : discriminateur sémantique pour la super-résolution d'images

  • Article : https://arxiv.org/abs/2402.19387
  • Code : https://github.com/lbc12345/SeD

APISR : la production d'anime inspirée de la super-résolution d'anime du monde réel

  • Article : https://arxiv.org/abs/2403.01598
  • Code : https://github.com/Kiteretsu77/APISR

Débruitage

Débruitage d'image

Estimation de la pose humaine en 3D

Hourglass Tokenizer pour une estimation efficace de la pose humaine 3D basée sur un transformateur

  • Article : https://arxiv.org/abs/2311.12028
  • Code : https://github.com/NationalGAILab/HoT

Génération d'images

InstanceDiffusion : contrôle au niveau de l'instance pour la génération d'images

  • Page d'accueil : https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

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

ECLIPSE : un outil de conversion texte-image économe en ressources pour les générations d'images

  • Page d'accueil : https://eclipse-t2i.vercel.app/

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

  • Code : https://github.com/eclipse-t2i/eclipse-inference

Instruct-Imagen : génération d'images avec instruction multimodale

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

Modèles de diffusion de débruitage résiduel

  • Article : https://arxiv.org/abs/2308.13712
  • Code : https://github.com/nachifur/RDDM

UniGS : représentation unifiée pour la génération et la segmentation d'images

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

Contrôleur de génération multi-instance pour la synthèse texte-image

  • Article : https://arxiv.org/abs/2402.05408
  • Code : https://github.com/limuloo/migc

SVGDreamer : génération SVG guidée par texte avec modèle de diffusion

  • Article : https://arxiv.org/abs/2312.16476
  • Code : https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion : contrôle d'interaction pour le modèle de diffusion texte-image

  • Article : https://arxiv.org/abs/2312.05849
  • Code : https://github.com/jiuntian/interactdiffusion

Ranni : maîtriser la diffusion texte-image pour un suivi précis des invites

  • Article : https://arxiv.org/abs/2311.17002
  • Code : https://github.com/ali-vilab/Ranni

Génération vidéo

Vlogger : faites de votre rêve un vlog

  • Article : https://arxiv.org/abs/2401.09414
  • Code : https://github.com/Vchitect/Vlogger

VBench : suite de référence complète pour les modèles génératifs vidéo

  • Page d'accueil : https://vchitect.github.io/VBench-project/
  • Article : https://arxiv.org/abs/2311.17982
  • Code : https://github.com/Vchitect/VBench

VMC : personnalisation du mouvement vidéo à l'aide de l'adaptation de l'attention temporelle pour les modèles de diffusion texte-vidéo

  • Accueil : https://video-motion-customization.github.io/
  • Article : https://arxiv.org/abs/2312.00845
  • Code : https://github.com/HyeonHo99/Video-Motion-Customization

Génération 3D

CityDreamer : modèle génératif compositionnel de villes 3D illimitées

  • Page d'accueil : https://haozhexie.com/project/city-dreamer/
  • Article : https://arxiv.org/abs/2309.00610
  • Code : https://github.com/hzxie/city-dreamer

LucidDreamer : vers une génération de texte en 3D haute fidélité via la correspondance de scores par intervalles

  • Article : https://arxiv.org/abs/2311.11284
  • Code : https://github.com/EnVision-Research/LucidDreamer

Compréhension de la vidéo

MVBench : un benchmark complet de compréhension de la vidéo multimodale

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

Distillation des connaissances

Standardisation Logit dans la distillation des connaissances

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

Distillation efficace des ensembles de données via la diffusion Minimax

  • Article : https://arxiv.org/abs/2311.15529
  • Code : https://github.com/vimar-gu/MinimaxDiffusion

Correspondance stéréo

Champ aléatoire de Markov neuronal pour la correspondance stéréo

  • Article : https://arxiv.org/abs/2403.11193
  • Code : https://github.com/aeolusguan/NMRF

Génération de graphiques de scène

HiKER-SGG : génération de graphiques de scène robustes améliorées par les connaissances hiérarchiques

  • Page d'accueil : https://zhangce01.github.io/HiKER-SGG/
  • Article : https://arxiv.org/abs/2403.12033
  • Code : https://github.com/zhangce01/HiKER-SGG

Évaluation de la qualité vidéo

KVQ : évaluation de la qualité vidéo du kaléidoscope pour les vidéos courtes

  • Page d'accueil : https://lixinustc.github.io/projects/KVQ/

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

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

Ensembles de données

Un ensemble de données réelles à grande échelle pour la perception coopérative en bordure de route

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

Analyse des scènes de trafic via l'ensemble de données TSP6K

  • Article : https://arxiv.org/pdf/2303.02835.pdf
  • Code : https://github.com/PengtaoJiang/TSP6K

Autres

Reconnaissance d'objets comme prochaine prédiction de jeton

  • Article : https://arxiv.org/abs/2312.02142
  • Code : https://github.com/kaiyuyue/nxtp

ParameterNet : les paramètres sont tout ce dont vous avez besoin pour un pré-entraînement visuel à grande échelle des réseaux mobiles

  • Article : https://arxiv.org/abs/2306.14525
  • Code : https://parameternet.github.io/

Composition fluide du mouvement humain avec encodages de position mixtes

  • Article : https://arxiv.org/abs/2402.15509
  • Code : https://github.com/BarqueroGerman/FlowMDM

LL3DA : réglage des instructions visuelles interactives pour la compréhension, le raisonnement et la planification Omni-3D

  • Page d'accueil : https://ll3da.github.io/

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

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

CLOVA : un assistant visuel en boucle fermée avec utilisation et mise à jour des outils

  • Page d'accueil : https://clova-tool.github.io/
  • Article : https://arxiv.org/abs/2312.10908

MoMask : modélisation masquée générative des mouvements humains 3D

  • Article : https://arxiv.org/abs/2312.00063
  • Code : https://github.com/EricGuo5513/momask-codes

Amodal Ground Truth et achèvement dans la nature

  • Page d'accueil : https://www.robots.ox.ac.uk/~vgg/research/amodal/
  • Article : https://arxiv.org/abs/2312.17247
  • Code : https://github.com/Championchess/Amodal-Completion-in-the-Wild

Base visuelle améliorée grâce à des explications cohérentes

  • Article : https://arxiv.org/abs/2312.04554
  • Code : https://github.com/uvavision/SelfEQ

ImageNet-D : analyse comparative de la robustesse des réseaux neuronaux sur un objet synthétique de diffusion

  • Page d'accueil : https://chenshuang-zhang.github.io/imagenet_d/
  • Article : https://arxiv.org/abs/2403.18775
  • Code : https://github.com/chenshuang-zhang/imagenet_d

Apprendre des activités de groupes humains synthétiques

  • Page d'accueil : https://cjerry1243.github.io/M3Act/
  • Article https://arxiv.org/abs/2306.16772
  • Code : https://github.com/cjerry1243/M3Act

Un cadre de décodage cérébral inter-sujets

  • Page d'accueil : https://littlepure2333.github.io/MindBridge/
  • Article : https://arxiv.org/abs/2404.07850
  • Code : https://github.com/littlepure2333/MindBridge

Prédiction dense multi-tâches via un mélange d'experts de bas rang

  • Article : https://arxiv.org/abs/2403.17749
  • Code : https://github.com/YuqiYang213/MLoRE

Apprentissage contrastif par décalage moyen pour la découverte généralisée de catégories

  • Page d'accueil : https://postech-cvlab.github.io/cms/
  • Article : https://arxiv.org/abs/2404.09451
  • Code : https://github.com/sua-choi/CMS
Développer
Informations supplémentaires
Applications connexes
Recommandé pour vous
Actualités connexes Tout