CVPR2024 Papers with Code

CVPR 2024 論文およびオープンソース プロジェクト コレクション (コード付き論文)

CVPR 2024 の決定が OpenReview で入手できるようになりました。

注 1: 誰もが問題を提出し、CVPR 2024 論文やオープンソース プロジェクトを共有することを歓迎します。

注 2: 過去の CV カンファレンスの論文やその他の質の高い CV 論文、包括的なレビューの詳細については、https://github.com/amusi/daily-paper-computer-vision を参照してください。

• ECCV2024
• CVPR 2023

QR コードをスキャンして、最大のコンピュータ ビジョン AI ナレッジ プラネットである [CVer Academic Exchange Group] へようこそ!毎日更新され、コンピューター ビジョン、AI ペインティング、画像処理、ディープ ラーニング、自動運転、医用画像処理、AIGC に関する最新かつ最先端の学習教材をできるだけ早く共有します。

[CVPR 2024 オープンソース論文ディレクトリ]

• 3DGS(ガウススプラッティング)
• アバター
• バックボーン
• クリップ
• 前
• 身体化されたAI
• ガン
• GNN
• マルチモーダル大規模言語モデル (MLLM)
• 大規模言語モデル (LLM)
• NAS
• OCR
• NRF
• DETR
• プロンプト
• 普及モデル
• ReID（再識別）
• ロングテール配信（Long-Tail）
• ビジョントランスフォーマー
• 視覚言語
• 自己教師あり学習
• データ拡張
• 物体検出
• 異常検出
• ターゲットトラッキング（ビジュアルトラッキング）
• セマンティックセグメンテーション
• インスタンスのセグメンテーション
• パノプティックセグメンテーション
• 医用画像
• 医療画像のセグメンテーション
• ビデオオブジェクトのセグメンテーション
• ビデオインスタンスのセグメンテーション
• 画像の分割を参照する
• 画像マット化
• 画像編集
• 低レベルのビジョン
• 超解像
• ノイズ除去
• ブラーを除去する
• 自動運転
• 3D点群
• 3D オブジェクトの検出
• 3D セマンティック セグメンテーション
• 3D オブジェクト追跡
• 3D セマンティック シーンの完成 (3D セマンティック シーンの完成)
• 3D登録
• 3D人物姿勢推定
• 3Dヒューマンメッシュ推定
• 医用画像
• 画像生成
• ビデオ生成
• 3D生成
• ビデオの理解
• 動作検知
• テキスト検出
• 知識の蒸留
• モデルの枝刈り
• 画像圧縮
• 3D再構築
• 深さの推定
• 軌道予測
• 車線検出
• 画像キャプション
• 視覚的な質問への回答
• 手話認識
• ビデオ予測
• ノベルビューの合成
• Zero-Shot Learning (ゼロサンプル学習)
• ステレオマッチング
• 特徴マッチング
• シーングラフの生成
• 暗黙的なニューラル表現
• 画質評価
• ビデオ品質評価
• データセット
• 新しいタスク
• その他

3DGS(ガウススプラッティング)

Scaffold-GS: ビュー適応レンダリング用の構造化 3D ガウス

• ホームページ: https://city-super.github.io/scaffold-gs/
• 論文: https://arxiv.org/abs/2312.00109
• コード: https://github.com/city-super/Scaffold-GS

GPS ガウス: リアルタイム ヒューマン ノベル ビュー合成のための一般化可能なピクセル単位の 3D ガウス スプラッティング

• ホームページ: https://shunyuanzheng.github.io/GPS-Gaussian
• 論文: https://arxiv.org/abs/2312.02155
• コード: https://github.com/ShunyuanZheng/GPS-Gaussian

GaussianAvatar: アニメーション化可能な 3D ガウスを介した 1 つのビデオからのリアルな人間のアバター モデリングを目指して

• 論文: https://arxiv.org/abs/2312.02134
• コード: https://github.com/huliangxiao/GaussianAvatar

GaussianEditor: ガウス スプラッティングによる迅速かつ制御可能な 3D 編集

• 論文: https://arxiv.org/abs/2311.14521
• コード: https://github.com/buaacyw/GaussianEditor

変形可能な 3D ガウスによる高忠実度の単眼ダイナミック シーン再構築

• ホームページ: https://ingra14m.github.io/Deformable-Gaussians/
• 論文: https://arxiv.org/abs/2309.13101
• コード: https://github.com/ingra14m/Deformable-3D-Gaussians

SC-GS: 編集可能な動的シーン向けのスパース制御ガウス スプラッティング

• ホームページ: https://yihua7.github.io/SC-GS-web/
• 論文: https://arxiv.org/abs/2312.14937
• コード: https://github.com/yihua7/SC-GS

リアルタイムの動的ビュー合成のための時空ガウス特徴量スプラッティング

• ホームページ: https://oppo-us-research.github.io/SpacetimeGaussians-website/
• 論文: https://arxiv.org/abs/2312.16812
• コード: https://github.com/oppo-us-research/SpacetimeGaussians

DNGaussian: グローバル-ローカル深度正規化によるスパースビュー 3D ガウス放射輝度フィールドの最適化

• ホームページ: https://fictionarry.github.io/DNGaussian/
• 論文: https://arxiv.org/abs/2403.06912
• コード: https://github.com/Fictionarry/DNGaussian

リアルタイムのダイナミックなシーンレンダリングのための 4D ガウス スプラッティング

• 論文: https://arxiv.org/abs/2310.08528
• コード: https://github.com/hustvl/4DGaussians

GaussianDreamer: 2D および 3D 拡散モデルのブリッジングによるテキストから 3D ガウスへの高速生成

• 論文: https://arxiv.org/abs/2310.08529
• コード: https://github.com/hustvl/GaussianDreamer

アバター

GaussianAvatar: アニメーション化可能な 3D ガウスを介した 1 つのビデオからのリアルな人間のアバター モデリングを目指して

• 論文: https://arxiv.org/abs/2312.02134
• コード: https://github.com/huliangxiao/GaussianAvatar

ヘッドマウントセンサーからリアルタイムにシミュレートされたアバター

• ホームページ: https://www.zhengyiluo.com/SimXR/
• 論文: https://arxiv.org/abs/2403.06862

バックボーン

RepViT: ViT の観点からモバイル CNN を再考する

• 論文: https://arxiv.org/abs/2307.09283
• コード: https://github.com/THU-MIG/RepViT

TransNext: ビジョントランスフォーマー向けの堅牢な中心窩視覚知覚

• 論文: https://arxiv.org/abs/2311.17132
• コード: https://github.com/DaiShiResearch/TransNeXt

クリップ

Alpha-CLIP：好きな場所に集中できるCLIPモデル

• 論文: https://arxiv.org/abs/2312.03818
• コード: https://github.com/SunzeY/AlphaCLIP

FairCLIP: 視覚言語学習における公平性の活用

• 論文: https://arxiv.org/abs/2403.19949
• コード: https://github.com/Harvard-Ophysical-AI-Lab/FairCLIP

前

身体化されたAI

EmbodiedScan: 身体化された AI に向けた総合的なマルチモーダル 3D 認識スイート

• ホームページ: https://tai-wang.github.io/embodiedscan/
• 論文: https://arxiv.org/abs/2312.16170
• コード: https://github.com/OpenRobotLab/EmbodiedScan

MP5: アクティブな知覚による Minecraft のマルチモーダルなオープンエンドの身体化システム

• ホームページ: https://iranqin.github.io/MP5.github.io/
• 論文: https://arxiv.org/abs/2312.07472
• コード: https://github.com/IranQin/MP5

LEMON: 2D 画像から 3D の人間とオブジェクトのインタラクション関係を学習する

• 論文: https://arxiv.org/abs/2312.08963
• コード: https://github.com/yyvhang/lemon_3d

ガン

OCR

OCR のスケーリング則に関する実証的研究

• 論文: https://arxiv.org/abs/2401.00028
• コード: https://github.com/large-ocr-model/large-ocr-model.github.io

ODM: シーンのテキスト検出とスポッティングのためのテキストと画像のさらなる位置合わせ事前トレーニング アプローチ

• 論文: https://arxiv.org/abs/2403.00303
• コード: https://github.com/PriNing/ODM

NRF

PIE-NeRF?: NeRF を使用した物理ベースのインタラクティブな弾性力学

• 論文: https://arxiv.org/abs/2311.13099
• コード: https://github.com/FYTalon/pienerf/

DETR

DETR はリアルタイムの物体検出で YOLO を上回る

• 論文: https://arxiv.org/abs/2304.08069
• コード: https://github.com/lyuwenyu/RT-DETR

Salience DETR: 階層的顕著性フィルタリングの改良による検出トランスフォーマーの強化

• 論文: https://arxiv.org/abs/2403.16131
• コード: https://github.com/xiuqhou/Salience-DETR

プロンプト

マルチモーダル大規模言語モデル (MLLM)

mPLUG-Owl2: モダリティコラボレーションによるマルチモーダル大規模言語モデルの革命

• 論文: https://arxiv.org/abs/2311.04257
• コード: https://github.com/X-PLUG/mPLUG-Owl/tree/main/mPLUG-Owl2

マルチモーダル LLM のためのリンクコンテキスト学習

• 論文: https://arxiv.org/abs/2308.07891
• コード: https://github.com/isekai-portal/Link-Context-Learning/tree/main

OPERA: 過剰信頼ペナルティと遡及割り当てによるマルチモーダル大規模言語モデルの幻覚の軽減

• 論文: https://arxiv.org/abs/2311.17911
• コード: https://github.com/sekiw/OPERA

大規模なマルチモーダル モデルで任意の視覚的プロンプトを理解できるようにする

• ホームページ: https://vip-llava.github.io/
• 論文: https://arxiv.org/abs/2312.00784

ピンク: マルチモーダル llms の参照理解の力を明らかにする

• 論文: https://arxiv.org/abs/2310.00582
• コード: https://github.com/SY-Xuan/Pink

Chat-UniVi: 統一された視覚表現により、大規模な言語モデルに画像とビデオの理解を強化します

• 論文: https://arxiv.org/abs/2311.08046
• コード: https://github.com/PKU-YuanGroup/Chat-UniVi

OneLLM: すべてのモダリティを言語に合わせるための 1 つのフレームワーク

• 論文: https://arxiv.org/abs/2312.03700
• コード: https://github.com/csuhan/OneLLM

大規模言語モデル (LLM)

VTimeLLM: LLM がビデオの瞬間を把握できるようにする

• 論文: https://arxiv.org/abs/2311.18445
• コード: https://github.com/huangb23/VTimeLLM

NAS

ReID（再識別）

マジック トークン: マルチモーダル オブジェクトの再識別用に多様なトークンを選択

• 論文: https://arxiv.org/abs/2403.10254
• コード: https://github.com/924973292/EDITOR

テキストから画像への人物再識別のためのノイズ対応学習

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

• コード: https://github.com/QinYang79/RDE

普及モデル

InstanceDiffusion: 画像生成のためのインスタンスレベルの制御

• ホームページ: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

• コード: https://github.com/frank-xwang/InstanceDiffusion

残留ノイズ除去拡散モデル

• 論文: https://arxiv.org/abs/2308.13712
• コード: https://github.com/nachifur/RDDM

DeepCache: 無料で拡散モデルを加速

• 論文: https://arxiv.org/abs/2312.00858
• コード: https://github.com/horseee/DeepCache

DEADiff: もつれのない表現による効率的な様式化拡散モデル

• ホームページ: https://tianhao-qi.github.io/DEADiff/

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

• コード: https://github.com/Tianhao-Qi/DEADiff_code

SVGDreamer: 拡散モデルを使用したテキストガイド付き SVG 生成

• 論文: https://arxiv.org/abs/2312.16476
• コード: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: テキストから画像への拡散モデルのインタラクション制御

• 論文: https://arxiv.org/abs/2312.05849
• コード: https://github.com/jiuntian/interactdiffusion

MMA 拡散: 拡散モデルに対するマルチモーダル攻撃

• 論文: https://arxiv.org/abs/2311.17516
• コード: https://github.com/yangyijune/MMA-Diffusion

VMC: テキストからビデオへの拡散モデルの時間的注意適応を使用したビデオ モーションのカスタマイズ

• ホメオエイジ: https://video-motion-customization.github.io/
• 論文: https://arxiv.org/abs/2312.00845
• コード: https://github.com/HyeonHo99/Video-Motion-Customization

ビジョントランスフォーマー

TransNext: ビジョントランスフォーマー向けの堅牢な中心窩視覚知覚

• 論文: https://arxiv.org/abs/2311.17132
• コード: https://github.com/DaiShiResearch/TransNeXt

RepViT: ViT の観点からモバイル CNN を再検討する

• 論文: https://arxiv.org/abs/2307.09283
• コード: https://github.com/THU-MIG/RepViT

トークン拡張による Transformer の一般的で効率的なトレーニング

• 論文: https://arxiv.org/abs/2404.00672
• コード: https://github.com/Osilly/TokenExpansion

視覚言語

PromptKD: 視覚言語モデルの教師なしプロンプト蒸留

• 論文: https://arxiv.org/abs/2403.02781
• コード: https://github.com/zhengli97/PromptKD

FairCLIP: 視覚言語学習における公平性の活用

• 論文: https://arxiv.org/abs/2403.19949
• コード: https://github.com/Harvard-Ophysical-AI-Lab/FairCLIP

物体検出

DETR はリアルタイムの物体検出で YOLO を上回る

• 論文: https://arxiv.org/abs/2304.08069
• コード: https://github.com/lyuwenyu/RT-DETR

ゼロショット昼夜ドメイン適応による物体検出の強化

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

YOLO-World: リアルタイムのオープンボキャブラリーオブジェクト検出

• 論文: https://arxiv.org/abs/2401.17270
• コード: https://github.com/AILab-CVC/YOLO-World

Salience DETR: 階層的顕著性フィルタリングの改良による検出トランスフォーマーの強化

• 論文: https://arxiv.org/abs/2403.16131
• コード: https://github.com/xiuqhou/Salience-DETR

異常検出

オープンセットの教師あり異常検出のための異常異質性学習

• 論文: https://arxiv.org/abs/2310.12790
• コード: https://github.com/mala-lab/AHL

オブジェクト追跡

複数オブジェクト追跡のための軌跡のロングテール分布を詳しく調べる

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

セマンティックセグメンテーション

より強力、より少なく、より優れた: ドメイン一般化セマンティック セグメンテーションのための Vision Foundation モデルの活用

• 論文: https://arxiv.org/abs/2312.04265
• コード: https://github.com/w1oves/Rein

SED: オープンボキャブラリーのセマンティックセグメンテーションのためのシンプルなエンコーダ/デコーダ

• 論文: https://arxiv.org/abs/2311.15537
• コード: https://github.com/xb534/SED

医用画像

特徴の再埋め込み: 計算病理学における基礎モデルレベルのパフォーマンスに向けて

• 論文: https://arxiv.org/abs/2402.17228
• コード: https://github.com/DearCaat/RRT-MIL

VoCo: 3D 医用画像解析のためのシンプルかつ効果的なボリューム対照学習フレームワーク

• 論文: https://arxiv.org/abs/2402.17300
• コード: https://github.com/Luffy03/VoCo

ChAda-ViT : 異種顕微鏡画像の共同表現学習のためのチャネル適応型注意

• 論文: https://arxiv.org/abs/2311.15264
• コード: https://github.com/nicoboou/chada_vit

医療画像のセグメンテーション

自動運転

UniPAD: 自動運転のための普遍的な事前トレーニング パラダイム

• 論文: https://arxiv.org/abs/2310.08370
• コード: https://github.com/Nightmare-n/UniPAD

Cam4DOcc: 自動運転アプリケーションにおけるカメラのみの 4D 占有予測のベンチマーク

• 論文: https://arxiv.org/abs/2311.17663
• コード: https://github.com/haomo-ai/Cam4DOcc

オンライン 3D シーン認識用のメモリベースのアダプター

• 論文: https://arxiv.org/abs/2403.06974
• コード: https://github.com/xuxw98/Online3D

コンテキスト インスタンス クエリを使用して 3D セマンティック シーンの補完をシンフォナイズする

• 論文: https://arxiv.org/abs/2306.15670
• コード: https://github.com/hustvl/Symphonies

沿道協力の認識のための実世界の大規模データセット

• 論文: https://arxiv.org/abs/2403.10145
• コード: https://github.com/AIR-THU/DAIR-RCooper

自動運転のためのシングルビューとマルチビューの深度の適応的融合

• 論文: https://arxiv.org/abs/2403.07535
• コード: https://github.com/Junda24/AFNet

TSP6K データセットによる交通シーンの解析

• 論文: https://arxiv.org/pdf/2303.02835.pdf
• コード: https://github.com/PengtaoJiang/TSP6K

3D 点群 (3D-Point-Cloud)

3D オブジェクトの検出

PTT: 効率的な時間的 3D オブジェクト検出のための点軌跡変換器

• 論文: https://arxiv.org/abs/2312.08371
• コード: https://github.com/kuanchihhuang/PTT

UniMODE: 統合された単眼 3D オブジェクト検出

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

3D セマンティック セグメンテーション

画像編集

Edit One for All: インタラクティブなバッチ画像編集

• ホームページ: https://thaoshibe.github.io/edit-one-for-all
• 論文: https://arxiv.org/abs/2401.10219
• コード: https://github.com/thaoshibe/edit-one-for-all

ビデオ編集

MaskINT: 補間非自己回帰マスク トランスフォーマーによるビデオ編集

• ホームページ: https://maskint.github.io

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

低レベルのビジョン

残留ノイズ除去拡散モデル

• 論文: https://arxiv.org/abs/2308.13712
• コード: https://github.com/nachifur/RDDM

事前トレーニングされたモデルからの事前分布による画像復元の強化

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

超解像

SeD: 画像超解像度のためのセマンティック認識ディスクリミネーター

• 論文: https://arxiv.org/abs/2402.19387
• コード: https://github.com/lbc12345/SeD

APISR: 現実世界のアニメ超解像度にインスピレーションを得たアニメ制作

• 論文: https://arxiv.org/abs/2403.01598
• コード: https://github.com/Kiteretsu77/APISR

ノイズ除去

画像のノイズ除去

3D人物姿勢推定

効率的なトランスフォーマーベースの 3D 人間の姿勢推定のための砂時計トークナイザー

• 論文: https://arxiv.org/abs/2311.12028
• コード: https://github.com/NationalGAILab/HoT

画像生成

InstanceDiffusion: 画像生成のためのインスタンスレベルの制御

• ホームページ: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

• コード: https://github.com/frank-xwang/InstanceDiffusion

ECLIPSE: 画像生成のためのリソース効率の高いテキストから画像への事前変換

• ホームページ: https://eclipse-t2i.vercel.app/

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

• コード: https://github.com/eclipse-t2i/eclipse-inference

Instruct-Imagen: マルチモーダル命令による画像生成

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

残留ノイズ除去拡散モデル

• 論文: https://arxiv.org/abs/2308.13712
• コード: https://github.com/nachifur/RDDM

UniGS: 画像生成とセグメンテーションのための統合表現

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

テキストから画像への合成のためのマルチインスタンス生成コントローラー

• 論文: https://arxiv.org/abs/2402.05408
• コード: https://github.com/limuloo/migc

SVGDreamer: 拡散モデルを使用したテキストガイド付き SVG 生成

• 論文: https://arxiv.org/abs/2312.16476
• コード: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: テキストから画像への拡散モデルのインタラクション制御

• 論文: https://arxiv.org/abs/2312.05849
• コード: https://github.com/jiuntian/interactdiffusion

Ranni: 正確なプロンプトフォローのためにテキストから画像への拡散を制御する

• 論文: https://arxiv.org/abs/2311.17002
• コード: https://github.com/ali-vilab/Ranni

ビデオ生成

Vlogger: あなたの夢を Vlog にしましょう

• 論文: https://arxiv.org/abs/2401.09414
• コード: https://github.com/Vchitect/Vlogger

VBench: ビデオ生成モデル用の包括的なベンチマーク スイート

• ホームページ: https://vchitect.github.io/VBench-project/
• 論文: https://arxiv.org/abs/2311.17982
• コード: https://github.com/Vchitect/VBench

VMC: テキストからビデオへの拡散モデルの時間的注意適応を使用したビデオ モーションのカスタマイズ

• ホメオエイジ: https://video-motion-customization.github.io/
• 論文: https://arxiv.org/abs/2312.00845
• コード: https://github.com/HyeonHo99/Video-Motion-Customization

3D生成

CityDreamer: 境界のない 3D 都市の構成生成モデル

• ホームページ: https://haozhexie.com/project/city-dreamer/
• 論文: https://arxiv.org/abs/2309.00610
• コード: https://github.com/hzxie/city-dreamer

LucidDreamer: インターバル スコア マッチングによる高忠実度のテキストから 3D の生成に向けて

• 論文: https://arxiv.org/abs/2311.11284
• コード: https://github.com/EnVision-Research/LucidDreamer

ビデオの理解

MVBench: 包括的なマルチモーダル ビデオ理解ベンチマーク

• 論文: https://arxiv.org/abs/2311.17005
• コード: https://github.com/OpenGVLab/Ask-Anything/tree/main/video_chat2

知識の蒸留

知識の蒸留におけるロジットの標準化

• 論文: https://arxiv.org/abs/2403.01427
• コード: https://github.com/sunshangquan/logit-standardization-KD

ミニマックス拡散による効率的なデータセットの蒸留

• 論文: https://arxiv.org/abs/2311.15529
• コード: https://github.com/vimar-gu/MinimaxDiffusion

ステレオマッチング

ステレオマッチングのためのニューラルマルコフランダムフィールド

• 論文: https://arxiv.org/abs/2403.11193
• コード: https://github.com/aeolusguan/NMRF

シーングラフの生成

HiKER-SGG: 階層的知識により強化された堅牢なシーン グラフ生成

• ホームページ: https://zhangce01.github.io/HiKER-SGG/
• 論文: https://arxiv.org/abs/2403.12033
• コード: https://github.com/zhangce01/HiKER-SGG

ビデオ品質評価

KVQ: 短編ビデオのカレイドスコープビデオ品質評価

• ホームページ: https://lixinustc.github.io/projects/KVQ/

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

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

データセット

沿道協力の認識のための実世界の大規模データセット

• 論文: https://arxiv.org/abs/2403.10145
• コード: https://github.com/AIR-THU/DAIR-RCooper

TSP6K データセットによる交通シーンの解析

• 論文: https://arxiv.org/pdf/2303.02835.pdf
• コード: https://github.com/PengtaoJiang/TSP6K

その他

次のトークン予測としてのオブジェクト認識

• 論文: https://arxiv.org/abs/2312.02142
• コード: https://github.com/kaiyuyue/nxtp

ParameterNet: モバイル ネットワークの大規模なビジュアル事前トレーニングに必要なのはパラメーターだけです

• 論文: https://arxiv.org/abs/2306.14525
• コード: https://parameternet.github.io/

位置エンコーディングをブレンドしたシームレスな人間のモーション合成

• 論文: https://arxiv.org/abs/2402.15509
• コード: https://github.com/BarqueroGerman/FlowMDM

LL3DA: Omni-3D の理解、推論、計画のためのビジュアル インタラクティブな命令チューニング

• ホームページ: https://ll3da.github.io/

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

• コード: https://github.com/Open3DA/LL3DA

CLOVA: ツールの使用と更新を備えたクローズドループのビジュアル アシスタント

• ホームページ: https://clova-tool.github.io/
• 論文: https://arxiv.org/abs/2312.10908

MoMask: 3D 人間の動きの生成マスク モデリング

• 論文: https://arxiv.org/abs/2312.00063
• コード: https://github.com/EricGuo5513/momask-codes

アモーダルな地上の真実と野生の完成

• ホームページ: https://www.robots.ox.ac.uk/~vgg/research/amodal/
• 論文: https://arxiv.org/abs/2312.17247
• コード: https://github.com/Championchess/Amodal-Completion-in-the-Wild

一貫性のある説明による視覚的根拠の向上

• 論文: https://arxiv.org/abs/2312.04554
• コード: https://github.com/uvavision/SelfEQ

ImageNet-D: 拡散合成オブジェクトに対するニューラル ネットワークの堅牢性のベンチマーク

• ホームページ: https://chenshuang-zhang.github.io/imagenet_d/
• 論文: https://arxiv.org/abs/2403.18775
• コード: https://github.com/chenshuang-zhang/imagenet_d

合成人間の集団活動から学ぶ

• ホームページ: https://cjerry1243.github.io/M3Act/
• 論文 https://arxiv.org/abs/2306.16772
• コード: https://github.com/cjerry1243/M3Act

被験者を超えた脳解読フレームワーク

• ホームページ: https://littlepure2333.github.io/MindBridge/
• 論文: https://arxiv.org/abs/2404.07850
• コード: https://github.com/littlepure2333/MindBridge

低ランクの専門家の混合によるマルチタスクの高密度予測

• 論文: https://arxiv.org/abs/2403.17749
• コード: https://github.com/YuqiYang213/MLoRE

一般化されたカテゴリ発見のための対照平均シフト学習

• ホームページ: https://postech-cvlab.github.io/cms/
• 論文: https://arxiv.org/abs/2404.09451
• コード: https://github.com/sua-choi/CMS