Página Inicial>Relacionado com a programação>Pitão
Baixar

Artigos CVPR 2024 e coleção de projetos de código aberto (artigos com código)

As decisões do CVPR 2024 já estão disponíveis no OpenReview!

Nota 1: Todos são bem-vindos para enviar problemas e compartilhar artigos do CVPR 2024 e projetos de código aberto!

Nota 2: Para obter detalhes sobre artigos de conferências de CV anteriores e outros artigos de CV de alta qualidade e revisões abrangentes, consulte: https://github.com/amusi/daily-paper-computer-vision

  • ECCV2024
  • CVPR 2023

Bem-vindo ao escanear o código QR para ingressar no [Grupo de Intercâmbio Acadêmico CVer], que é o maior planeta de conhecimento de IA de visão computacional! Atualizado diariamente, compartilhe os materiais de aprendizagem mais recentes e avançados em visão computacional, pintura de IA, processamento de imagens, aprendizado profundo, direção autônoma, imagens médicas e AIGC. Comece a aprender o mais rápido possível!

[Diretório de documentos de código aberto CVPR 2024]

  • 3DGS (respingos gaussianos)
  • Avatares
  • Espinha dorsal
  • GRAMPO
  • MAE
  • IA incorporada
  • GAN
  • GNN
  • Modelo Multimodal de Grande Linguagem (MLLM)
  • Modelo de linguagem grande (LLM)
  • NAS
  • OCR
  • NRF
  • DETR
  • Incitar
  • Modelos de Difusão
  • ReID (reidentificação)
  • Distribuição de cauda longa (cauda longa)
  • Transformador de Visão
  • Visão-Linguagem
  • Aprendizagem auto-supervisionada
  • Aumento de dados
  • Detecção de objetos
  • Detecção de anomalias
  • Rastreamento de alvo (rastreamento visual)
  • Segmentação Semântica
  • Segmentação de instância
  • Segmentação Panóptica
  • Imagem Médica
  • Segmentação de imagens médicas
  • Segmentação de objetos de vídeo
  • Segmentação de instâncias de vídeo
  • Referindo a segmentação de imagens
  • Fosqueamento de imagem
  • Edição de imagem
  • Visão de baixo nível
  • Super-resolução
  • Eliminação de ruído
  • Desfocar
  • Condução Autônoma
  • Nuvem de pontos 3D
  • Detecção de objetos 3D
  • Segmentação Semântica 3D
  • Rastreamento de objetos 3D
  • Conclusão de cena semântica 3D (conclusão de cena semântica 3D)
  • Registro 3D
  • Estimativa de pose humana 3D
  • Estimativa de malha humana 3D
  • Imagem Médica
  • Geração de imagem
  • Geração de Vídeo
  • Geração 3D
  • Compreensão do vídeo
  • Detecção de ação
  • Detecção de texto
  • Destilação de Conhecimento
  • Poda de modelo
  • Compressão de imagem
  • Reconstrução 3D
  • Estimativa de profundidade
  • Previsão de trajetória
  • Detecção de pista
  • Legendagem de imagens
  • Resposta visual a perguntas
  • Reconhecimento de linguagem de sinais
  • Previsão de vídeo
  • Síntese de nova visão
  • Aprendizado Zero-Shot (aprendizado com amostra zero)
  • Correspondência estéreo
  • Correspondência de recursos
  • Geração de gráfico de cena
  • Representações Neurais Implícitas
  • Avaliação da qualidade da imagem
  • Avaliação da qualidade do vídeo
  • Conjuntos de dados
  • Novas tarefas
  • Outros

3DGS (respingos gaussianos)

Scaffold-GS: Gaussianos 3D estruturados para renderização adaptável à visualização

  • Página inicial: https://city-super.github.io/scaffold-gs/
  • Artigo: https://arxiv.org/abs/2312.00109
  • Código: https://github.com/city-super/Scaffold-GS

GPS-Gaussian: Splatting gaussiano 3D generalizável em pixels para síntese de visualização de romance humano em tempo real

  • Página inicial: https://shunyuanzheng.github.io/GPS-Gaussian
  • Artigo: https://arxiv.org/abs/2312.02155
  • Código: https://github.com/ShunyuanZheng/GPS-Gaussian

GaussianAvatar: Rumo à modelagem realista de avatar humano a partir de um único vídeo por meio de gaussianos 3D animáveis

  • Artigo: https://arxiv.org/abs/2312.02134
  • Código: https://github.com/huliangxiao/GaussianAvatar

GaussianEditor: Edição 3D rápida e controlável com Gaussian Splatting

  • Artigo: https://arxiv.org/abs/2311.14521
  • Código: https://github.com/buaacyw/GaussianEditor

Gaussianos 3D deformáveis ​​para reconstrução de cenas dinâmicas monoculares de alta fidelidade

  • Página inicial: https://ingra14m.github.io/Deformable-Gaussians/
  • Artigo: https://arxiv.org/abs/2309.13101
  • Código: https://github.com/ingra14m/Deformable-3D-Gaussians

SC-GS: Respingos Gaussianos Esparsamente Controlados para Cenas Dinâmicas Editáveis

  • Página inicial: https://yihua7.github.io/SC-GS-web/
  • Artigo: https://arxiv.org/abs/2312.14937
  • Código: https://github.com/yihua7/SC-GS

Respingos de recursos gaussianos do espaço-tempo para síntese de visão dinâmica em tempo real

  • Página inicial: https://oppo-us-research.github.io/SpacetimeGaussians-website/
  • Artigo: https://arxiv.org/abs/2312.16812
  • Código: https://github.com/oppo-us-research/SpacetimeGaussians

DNGaussian: Otimizando Campos de Radiância Gaussiana 3D de Visualização Esparsa com Normalização de Profundidade Global-Local

  • Página inicial: https://fictionarry.github.io/DNGaussian/
  • Artigo: https://arxiv.org/abs/2403.06912
  • Código: https://github.com/Fictionarry/DNGaussian

Respingos gaussianos 4D para renderização dinâmica de cenas em tempo real

  • Artigo: https://arxiv.org/abs/2310.08528
  • Código: https://github.com/hustvl/4DGaussians

GaussianDreamer: geração rápida de texto para gaussianos 3D através da ponte entre modelos de difusão 2D e 3D

  • Artigo: https://arxiv.org/abs/2310.08529
  • Código: https://github.com/hustvl/GaussianDreamer

Avatares

GaussianAvatar: Rumo à modelagem realista de avatar humano a partir de um único vídeo por meio de gaussianos 3D animáveis

  • Artigo: https://arxiv.org/abs/2312.02134
  • Código: https://github.com/huliangxiao/GaussianAvatar

Avatar simulado em tempo real a partir de sensores montados na cabeça

  • Página inicial: https://www.zhengyiluo.com/SimXR/
  • Artigo: https://arxiv.org/abs/2403.06862

Espinha dorsal

RepViT: revisitando a CNN móvel da perspectiva ViT

  • Artigo: https://arxiv.org/abs/2307.09283
  • Código: https://github.com/THU-MIG/RepViT

TransNeXt: Percepção visual foveal robusta para transformadores de visão

  • Artigo: https://arxiv.org/abs/2311.17132
  • Código: https://github.com/DaiShiResearch/TransNeXt

GRAMPO

Alpha-CLIP: um modelo CLIP focado em onde você quiser

  • Artigo: https://arxiv.org/abs/2312.03818
  • Código: https://github.com/SunzeY/AlphaCLIP

FairCLIP: Aproveitando a Justiça na Aprendizagem de Visão-Linguagem

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

MAE

IA incorporada

EmposedScan: um conjunto holístico de percepção 3D multimodal em direção à IA incorporada

  • Página inicial: https://tai-wang.github.io/embodyscan/
  • Artigo: https://arxiv.org/abs/2312.16170
  • Código: https://github.com/OpenRobotLab/EmbodyScan

MP5: um sistema incorporado multimodal e aberto no Minecraft via percepção ativa

  • Página inicial: https://iranqin.github.io/MP5.github.io/
  • Artigo: https://arxiv.org/abs/2312.07472
  • Código: https://github.com/IranQin/MP5

LEMON: Aprendendo a relação de interação humano-objeto 3D a partir de imagens 2D

  • Artigo: https://arxiv.org/abs/2312.08963
  • Código: https://github.com/yyvhang/lemon_3d

GAN

OCR

Um estudo empírico da lei de escala para OCR

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

ODM: uma abordagem de pré-treinamento de alinhamento adicional de texto-imagem para detecção e localização de texto de cena

  • Artigo: https://arxiv.org/abs/2403.00303
  • Código: https://github.com/PriNing/ODM

NRF

PIE-NeRF ?: Elastodinâmica Interativa Baseada em Física com NeRF

  • Artigo: https://arxiv.org/abs/2311.13099
  • Código: https://github.com/FYTalon/pienerf/

DETR

DETRs superam YOLOs na detecção de objetos em tempo real

  • Artigo: https://arxiv.org/abs/2304.08069
  • Código: https://github.com/lyuwenyu/RT-DETR

Salience DETR: Aprimorando o transformador de detecção com refinamento de filtragem de saliência hierárquica

  • Artigo: https://arxiv.org/abs/2403.16131
  • Código: https://github.com/xiuqhou/Salience-DETR

Incitar

Modelo Multimodal de Grande Linguagem (MLLM)

mPLUG-Owl2: Revolucionando o modelo multimodal de linguagem grande com colaboração de modalidade

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

Aprendizagem Link-Context para LLMs multimodais

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

OPERA: Aliviando a alucinação em modelos multimodais de grandes linguagens por meio de penalidade por excesso de confiança e alocação de retrospecção

  • Artigo: https://arxiv.org/abs/2311.17911
  • Código: https://github.com/shikiw/OPERA

Fazendo grandes modelos multimodais compreenderem prompts visuais arbitrários

  • Página inicial: https://vip-llava.github.io/
  • Artigo: https://arxiv.org/abs/2312.00784

Pink: Revelando o poder da compreensão referencial para filmes multimodais

  • Artigo: https://arxiv.org/abs/2310.00582
  • Código: https://github.com/SY-Xuan/Pink

Chat-UniVi: representação visual unificada capacita grandes modelos de linguagem com compreensão de imagens e vídeos

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

OneLLM: uma estrutura para alinhar todas as modalidades com a linguagem

  • Artigo: https://arxiv.org/abs/2312.03700
  • Código: https://github.com/csuhan/OneLLM

Modelo de linguagem grande (LLM)

VTimeLLM: capacite o LLM para capturar momentos de vídeo

  • Artigo: https://arxiv.org/abs/2311.18445
  • Código: https://github.com/huangb23/VTimeLLM

NAS

ReID (reidentificação)

Magic Tokens: Selecione diversos tokens para reidentificação de objetos multimodais

  • Artigo: https://arxiv.org/abs/2403.10254
  • Código: https://github.com/924973292/EDITOR

Aprendizagem por correspondência barulhenta para reidentificação de pessoas de texto para imagem

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

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

Modelos de Difusão

InstanceDiffusion: controle em nível de instância para geração de imagens

  • Página inicial: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

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

Modelos de difusão com eliminação de ruído residual

  • Artigo: https://arxiv.org/abs/2308.13712
  • Código: https://github.com/nachifur/RDDM

DeepCache: acelerando modelos de difusão gratuitamente

  • Artigo: https://arxiv.org/abs/2312.00858
  • Código: https://github.com/horseee/DeepCache

DEADiff: um modelo de difusão de estilização eficiente com representações desembaraçadas

  • Página inicial: https://tianhao-qi.github.io/DEADiff/

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

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

SVGDreamer: geração de SVG guiada por texto com modelo de difusão

  • Artigo: https://arxiv.org/abs/2312.16476
  • Código: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: Controle de interação para modelo de difusão de texto para imagem

  • Artigo: https://arxiv.org/abs/2312.05849
  • Código: https://github.com/jiuntian/interactdiffusion

Difusão MMA: Ataque MultiModal em Modelos de Difusão

  • Artigo: https://arxiv.org/abs/2311.17516
  • Código: https://github.com/yangyijune/MMA-Diffusion

VMC: Personalização de movimento de vídeo usando adaptação de atenção temporal para modelos de difusão de texto para vídeo

  • Homeoagem: https://video-motion-customization.github.io/
  • Artigo: https://arxiv.org/abs/2312.00845
  • Código: https://github.com/HyeonHo99/Video-Motion-Customization

Transformador de visão

TransNeXt: Percepção visual foveal robusta para transformadores de visão

  • Artigo: https://arxiv.org/abs/2311.17132
  • Código: https://github.com/DaiShiResearch/TransNeXt

RepViT: revisitando a CNN móvel da perspectiva ViT

  • Artigo: https://arxiv.org/abs/2307.09283
  • Código: https://github.com/THU-MIG/RepViT

Um treinamento geral e eficiente para transformadores via expansão de token

  • Artigo: https://arxiv.org/abs/2404.00672
  • Código: https://github.com/Osilly/TokenExpansion

Visão-Linguagem

PromptKD: Destilação imediata não supervisionada para modelos de linguagem de visão

  • Artigo: https://arxiv.org/abs/2403.02781
  • Código: https://github.com/zhengli97/PromptKD

FairCLIP: Aproveitando a Justiça na Aprendizagem de Visão-Linguagem

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

Detecção de objetos

DETRs superam YOLOs na detecção de objetos em tempo real

  • Artigo: https://arxiv.org/abs/2304.08069
  • Código: https://github.com/lyuwenyu/RT-DETR

Aumentando a detecção de objetos com adaptação de domínio diurno e noturno Zero-Shot

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

YOLO-World: Detecção de objetos de vocabulário aberto em tempo real

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

Salience DETR: Aprimorando o transformador de detecção com refinamento de filtragem de saliência hierárquica

  • Artigo: https://arxiv.org/abs/2403.16131
  • Código: https://github.com/xiuqhou/Salience-DETR

Detecção de anomalias

Aprendizagem de heterogeneidade de anomalias para detecção de anomalias supervisionadas em conjunto aberto

  • Artigo: https://arxiv.org/abs/2310.12790
  • Código: https://github.com/mala-lab/AHL

Rastreamento de objetos

Investigando a distribuição de trajetória de cauda longa para rastreamento de objetos múltiplos

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

Segmentação Semântica

Mais forte, menos e superior: aproveitando modelos de base de visão para segmentação semântica generalizada de domínio

  • Artigo: https://arxiv.org/abs/2312.04265
  • Código: https://github.com/w1oves/Rein

SED: um codificador-decodificador simples para segmentação semântica de vocabulário aberto

  • Artigo: https://arxiv.org/abs/2311.15537
  • Código: https://github.com/xb534/SED

Imagem Médica

Re-incorporação de recursos: Rumo ao desempenho em nível de modelo básico em patologia computacional

  • Artigo: https://arxiv.org/abs/2402.17228
  • Código: https://github.com/DearCaat/RRT-MIL

VoCo: uma estrutura de aprendizagem contrastiva de volume simples, mas eficaz para análise de imagens médicas 3D

  • Artigo: https://arxiv.org/abs/2402.17300
  • Código: https://github.com/Luffy03/VoCo

ChAda-ViT: atenção adaptativa de canal para aprendizagem de representação conjunta de imagens de microscopia heterogêneas

  • Artigo: https://arxiv.org/abs/2311.15264
  • Código: https://github.com/nicoboou/chada_vit

Segmentação de imagens médicas

Condução Autônoma

UniPAD: um paradigma universal de pré-treinamento para direção autônoma

  • Artigo: https://arxiv.org/abs/2310.08370
  • Código: https://github.com/Nightmare-n/UniPAD

Cam4DOcc: referência para previsão de ocupação 4D somente com câmera em aplicações de direção autônoma

  • Artigo: https://arxiv.org/abs/2311.17663
  • Código: https://github.com/haomo-ai/Cam4DOcc

Adaptadores baseados em memória para percepção on-line de cenas 3D

  • Artigo: https://arxiv.org/abs/2403.06974
  • Código: https://github.com/xuxw98/Online3D

Sinfonize a conclusão de cena semântica 3D com consultas de instância contextual

  • Artigo: https://arxiv.org/abs/2306.15670
  • Código: https://github.com/hustvl/Symphonies

Um conjunto de dados em grande escala do mundo real para percepção cooperativa na estrada

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

Fusão adaptativa de profundidade de visão única e visão múltipla para direção autônoma

  • Artigo: https://arxiv.org/abs/2403.07535
  • Código: https://github.com/Junda24/AFNet

Análise de cena de tráfego por meio do conjunto de dados TSP6K

  • Artigo: https://arxiv.org/pdf/2303.02835.pdf
  • Código: https://github.com/PengtaoJiang/TSP6K

Nuvem de pontos 3D (nuvem de pontos 3D)

Detecção de objetos 3D

PTT: Transformador de trajetória de ponto para detecção eficiente de objetos 3D temporais

  • Artigo: https://arxiv.org/abs/2312.08371
  • Código: https://github.com/kuanchihhuang/PTT

UniMODE: detecção unificada de objetos 3D monoculares

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

Segmentação Semântica 3D

Edição de imagem

Editar um por todos: edição interativa de imagens em lote

  • Página inicial: https://thaoshibe.github.io/edit-one-for-all
  • Artigo: https://arxiv.org/abs/2401.10219
  • Código: https://github.com/thaoshibe/edit-one-for-all

Edição de vídeo

MaskINT: edição de vídeo via transformadores mascarados interpolativos não autorregressivos

  • Página inicial: https://maskint.github.io

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

Visão de baixo nível

Modelos de difusão com eliminação de ruído residual

  • Artigo: https://arxiv.org/abs/2308.13712
  • Código: https://github.com/nachifur/RDDM

Impulsionando a restauração de imagens por meio de modelos pré-treinados

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

Super-resolução

SeD: discriminador semântico para super-resolução de imagens

  • Artigo: https://arxiv.org/abs/2402.19387
  • Código: https://github.com/lbc12345/SeD

APISR: Super-resolução de anime do mundo real inspirada na produção de anime

  • Artigo: https://arxiv.org/abs/2403.01598
  • Código: https://github.com/Kiteretsu77/APISR

Eliminação de ruído

Eliminação de ruído de imagem

Estimativa de pose humana 3D

Tokenizer de ampulheta para estimativa eficiente de pose humana 3D baseada em transformador

  • Artigo: https://arxiv.org/abs/2311.12028
  • Código: https://github.com/NationalGAILab/HoT

Geração de imagem

InstanceDiffusion: controle em nível de instância para geração de imagens

  • Página inicial: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

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

ECLIPSE: uma conversão de texto em imagem com uso eficiente de recursos antes da geração de imagens

  • Página inicial: https://eclipse-t2i.vercel.app/

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

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

Instruct-Imagen: Geração de imagens com instrução multimodal

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

Modelos de difusão com eliminação de ruído residual

  • Artigo: https://arxiv.org/abs/2308.13712
  • Código: https://github.com/nachifur/RDDM

UniGS: Representação Unificada para Geração e Segmentação de Imagens

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

Controlador de geração de múltiplas instâncias para síntese de texto para imagem

  • Artigo: https://arxiv.org/abs/2402.05408
  • Código: https://github.com/limuloo/migc

SVGDreamer: geração de SVG guiada por texto com modelo de difusão

  • Artigo: https://arxiv.org/abs/2312.16476
  • Código: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: Controle de interação para modelo de difusão de texto para imagem

  • Artigo: https://arxiv.org/abs/2312.05849
  • Código: https://github.com/jiuntian/interactdiffusion

Ranni: domesticando a difusão de texto para imagem para um seguimento preciso de prompts

  • Artigo: https://arxiv.org/abs/2311.17002
  • Código: https://github.com/ali-vilab/Ranni

Geração de Vídeo

Vlogger: Transforme seu sonho em um vlog

  • Artigo: https://arxiv.org/abs/2401.09414
  • Código: https://github.com/Vchitect/Vlogger

VBench: conjunto abrangente de benchmark para modelos geradores de vídeo

  • Página inicial: https://vchitect.github.io/VBench-project/
  • Artigo: https://arxiv.org/abs/2311.17982
  • Código: https://github.com/Vchitect/VBench

VMC: Personalização de movimento de vídeo usando adaptação de atenção temporal para modelos de difusão de texto para vídeo

  • Homeoagem: https://video-motion-customization.github.io/
  • Artigo: https://arxiv.org/abs/2312.00845
  • Código: https://github.com/HyeonHo99/Video-Motion-Customization

Geração 3D

CityDreamer: modelo generativo composicional de cidades 3D ilimitadas

  • Página inicial: https://haozhexie.com/project/city-dreamer/
  • Artigo: https://arxiv.org/abs/2309.00610
  • Código: https://github.com/hzxie/city-dreamer

LucidDreamer: Rumo à geração de texto para 3D de alta fidelidade por meio de correspondência de pontuação de intervalo

  • Artigo: https://arxiv.org/abs/2311.11284
  • Código: https://github.com/EnVision-Research/LucidDreamer

Compreensão do vídeo

MVBench: um benchmark abrangente de compreensão de vídeo multimodal

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

Destilação de Conhecimento

Padronização Logit na Destilação de Conhecimento

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

Destilação eficiente de conjunto de dados via difusão Minimax

  • Artigo: https://arxiv.org/abs/2311.15529
  • Código: https://github.com/vimar-gu/MinimaxDiffusion

Correspondência estéreo

Campo aleatório neural de Markov para correspondência estéreo

  • Artigo: https://arxiv.org/abs/2403.11193
  • Código: https://github.com/aeolusguan/NMRF

Geração de gráfico de cena

HiKER-SGG: Geração de gráfico de cena robusta aprimorada com conhecimento hierárquico

  • Página inicial: https://zhangce01.github.io/HiKER-SGG/
  • Artigo: https://arxiv.org/abs/2403.12033
  • Código: https://github.com/zhangce01/HiKER-SGG

Avaliação da qualidade do vídeo

KVQ: Avaliação de qualidade de vídeo caleidoscópio para vídeos curtos

  • Página inicial: https://lixinustc.github.io/projects/KVQ/

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

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

Conjuntos de dados

Um conjunto de dados em grande escala do mundo real para percepção cooperativa na estrada

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

Análise de cena de tráfego por meio do conjunto de dados TSP6K

  • Artigo: https://arxiv.org/pdf/2303.02835.pdf
  • Código: https://github.com/PengtaoJiang/TSP6K

Outros

Reconhecimento de objetos como previsão do próximo token

  • Artigo: https://arxiv.org/abs/2312.02142
  • Código: https://github.com/kaiyuyue/nxtp

ParameterNet: Parâmetros são tudo que você precisa para pré-treinamento visual em larga escala de redes móveis

  • Artigo: https://arxiv.org/abs/2306.14525
  • Código: https://parameternet.github.io/

Composição perfeita de movimento humano com codificações posicionais combinadas

  • Artigo: https://arxiv.org/abs/2402.15509
  • Código: https://github.com/BarqueroGerman/FlowMDM

LL3DA: Ajuste de instrução visual interativa para compreensão, raciocínio e planejamento Omni-3D

  • Página inicial: https://ll3da.github.io/

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

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

CLOVA: um assistente visual de circuito fechado com uso e atualização de ferramentas

  • Página inicial: https://clova-tool.github.io/
  • Artigo: https://arxiv.org/abs/2312.10908

MoMask: modelagem mascarada generativa de movimentos humanos 3D

  • Artigo: https://arxiv.org/abs/2312.00063
  • Código: https://github.com/EricGuo5513/momask-codes

Verdade e conclusão do terreno amodal na natureza

  • Página inicial: https://www.robots.ox.ac.uk/~vgg/research/amodal/
  • Artigo: https://arxiv.org/abs/2312.17247
  • Código: https://github.com/Championchess/Amodal-Completion-in-the-Wild

Base visual aprimorada por meio de explicações autoconsistentes

  • Artigo: https://arxiv.org/abs/2312.04554
  • Código: https://github.com/uvavision/SelfEQ

ImageNet-D: Comparando a robustez da rede neural em objetos sintéticos de difusão

  • Página inicial: https://chenshuang-zhang.github.io/imagenet_d/
  • Artigo: https://arxiv.org/abs/2403.18775
  • Código: https://github.com/chenshuang-zhang/imagenet_d

Aprendendo com atividades de grupos humanos sintéticos

  • Página inicial: https://cjerry1243.github.io/M3Act/
  • Artigo https://arxiv.org/abs/2306.16772
  • Código: https://github.com/cjerry1243/M3Act

Uma estrutura de decodificação cerebral entre assuntos

  • Página inicial: https://littlepure2333.github.io/MindBridge/
  • Artigo: https://arxiv.org/abs/2404.07850
  • Código: https://github.com/littlepure2333/MindBridge

Predição densa multitarefa por meio de mistura de especialistas de baixo escalão

  • Artigo: https://arxiv.org/abs/2403.17749
  • Código: https://github.com/YuqiYang213/MLoRE

Aprendizagem contrastiva de mudança média para descoberta generalizada de categorias

  • Página inicial: https://postech-cvlab.github.io/cms/
  • Artigo: https://arxiv.org/abs/2404.09451
  • Código: https://github.com/sua-choi/CMS
Expandir
Informações adicionais
Aplicativos Relacionados
Recomendado para você
Informações Relacionadas Todos