Главная страница>Связанные с программированием>Питон
Скачать

Документы CVPR 2024 и сборник проектов с открытым исходным кодом (документы с кодом)

Решения CVPR 2024 теперь доступны на OpenReview!

Примечание 1. Каждый может присылать вопросы и делиться документами CVPR 2024 и проектами с открытым исходным кодом!

Примечание 2. Подробную информацию о статьях предыдущих конференций по резюме, а также других высококачественных документах по резюме и подробных обзорах можно найти по адресу: https://github.com/amusi/daily-paper-computer-vision.

  • ЕСКВ2024
  • ЦВПР 2023

Добро пожаловать! Отсканируйте QR-код, чтобы присоединиться к [Группе академического обмена CVer], которая является крупнейшей на планете знаниями в области искусственного интеллекта в области компьютерного зрения! Ежедневно обновляемые, делитесь новейшими и самыми передовыми учебными материалами в области компьютерного зрения, рисования с использованием искусственного интеллекта, обработки изображений, глубокого обучения, автономного вождения, медицинской визуализации и AIGC как можно скорее. Начните обучение!

[Каталог документов с открытым исходным кодом CVPR 2024]

  • 3DGS (гауссово пятно)
  • Аватары
  • Магистраль
  • КЛИП
  • МАЭ
  • Воплощенный ИИ
  • ГАН
  • ГНН
  • Мультимодальная модель большого языка (MLLM)
  • Модель большого языка (LLM)
  • НАН
  • оптическое распознавание символов
  • НРФ
  • ДЭТР
  • Быстрый
  • Диффузионные модели
  • ReID (переидентификация)
  • Распределение с длинным хвостом (Long-Tail)
  • Видение Трансформатор
  • Видение-Язык
  • Самостоятельное обучение
  • Увеличение данных
  • Обнаружение объектов
  • Обнаружение аномалий
  • Отслеживание цели (визуальное отслеживание)
  • Семантическая сегментация
  • Сегментация экземпляров
  • Паноптическая сегментация
  • Медицинский имидж
  • Сегментация медицинских изображений
  • Сегментация видеообъектов
  • Сегментация экземпляров видео
  • Ссылка на сегментацию изображений
  • Матирование изображения
  • Редактирование изображений
  • Низкоуровневое видение
  • Супер-разрешение
  • шумоподавление
  • Размытие
  • Автономное вождение
  • 3D-облако точек
  • Обнаружение 3D-объектов
  • 3D-семантическая сегментация
  • Трекинг 3D-объектов
  • Завершение семантической 3D-сцены (Завершение семантической 3D-сцены)
  • 3D регистрация
  • 3D-оценка позы человека
  • 3D-оценка человеческой сетки
  • Медицинский имидж
  • Генерация изображений
  • Создание видео
  • 3D-генерация
  • Видео Понимание
  • Обнаружение действий
  • Обнаружение текста
  • Дистилляция знаний
  • Обрезка модели
  • Сжатие изображения
  • 3D реконструкция
  • Оценка глубины
  • Прогнозирование траектории
  • Обнаружение полосы движения
  • Подпись к изображению
  • Визуальный ответ на вопрос
  • Распознавание языка жестов
  • Видео прогноз
  • Синтез новых представлений
  • Обучение с нулевой выборкой (обучение с нулевой выборкой)
  • Стерео согласование
  • Соответствие функций
  • Генерация графа сцены
  • Неявные нейронные представления
  • Оценка качества изображения
  • Оценка качества видео
  • Наборы данных
  • Новые задачи
  • Другие

3DGS (гауссово пятно)

Scaffold-GS: структурированные 3D-гауссианы для адаптивного рендеринга

  • Домашняя страница: https://city-super.github.io/scaffold-gs/
  • Статья: https://arxiv.org/abs/2312.00109.
  • Код: https://github.com/city-super/Scaffold-GS

GPS-Gaussian: обобщенное попиксельное трехмерное гауссово распределение для синтеза новых представлений человека в реальном времени

  • Домашняя страница: https://shunyuanzheng.github.io/GPS-Gaussian
  • Статья: https://arxiv.org/abs/2312.02155.
  • Код: https://github.com/ShunyuanZheng/GPS-Gaussian

GaussianAvatar: к реалистичному моделированию человеческого аватара на основе одного видео с помощью анимационных 3D-гауссианов

  • Статья: https://arxiv.org/abs/2312.02134.
  • Код: https://github.com/huliangxiao/GaussianAvatar

GaussianEditor: быстрое и управляемое 3D-редактирование с помощью Gaussian Splatting

  • Статья: https://arxiv.org/abs/2311.14521.
  • Код: https://github.com/buaacyw/GaussianEditor

Деформируемые 3D-гауссианы для высококачественной монокулярной динамической реконструкции сцены

  • Домашняя страница: https://ingra14m.github.io/Deformable-Gaussians/
  • Статья: https://arxiv.org/abs/2309.13101.
  • Код: https://github.com/ingra14m/Deformable-3D-Gaussians

SC-GS: разреженное гауссовское разбрызгивание для редактируемых динамических сцен

  • Домашняя страница: https://yihua7.github.io/SC-GS-web/
  • Статья: https://arxiv.org/abs/2312.14937.
  • Код: https://github.com/yihua7/SC-GS

Распределение гауссовых характеристик пространства-времени для синтеза динамического представления в реальном времени

  • Домашняя страница: https://oppo-us-research.github.io/SpacetimeGaussians-website/
  • Статья: https://arxiv.org/abs/2312.16812.
  • Код: https://github.com/oppo-us-research/SpacetimeGaussians

DNGaussian: оптимизация трехмерных гауссовских полей излучения с разреженным представлением с помощью глобальной-локальной нормализации глубины

  • Домашняя страница: https://fictionarry.github.io/DNGaussian/
  • Статья: https://arxiv.org/abs/2403.06912.
  • Код: https://github.com/Fictionarry/DNGaussian

4D Gaussian Splatting для динамического рендеринга сцен в реальном времени

  • Статья: https://arxiv.org/abs/2310.08528.
  • Код: https://github.com/hustvl/4DGaussians

GaussianDreamer: быстрое преобразование текста в трехмерные гауссианы путем объединения двухмерных и трехмерных диффузионных моделей

  • Статья: https://arxiv.org/abs/2310.08529.
  • Код: https://github.com/hustvl/GaussianDreamer

Аватары

GaussianAvatar: к реалистичному моделированию человеческого аватара на основе одного видео с помощью анимационных 3D-гауссианов

  • Статья: https://arxiv.org/abs/2312.02134.
  • Код: https://github.com/huliangxiao/GaussianAvatar

Имитация аватара в реальном времени с помощью датчиков, закрепленных на голове

  • Домашняя страница: https://www.zhengyiluo.com/SimXR/
  • Статья: https://arxiv.org/abs/2403.06862.

Магистраль

RepViT: новый взгляд на мобильную CNN с точки зрения ViT

  • Статья: https://arxiv.org/abs/2307.09283.
  • Код: https://github.com/THU-MIG/RepViT

TransNeXt: надежное фовеальное зрительное восприятие для преобразователей зрения

  • Статья: https://arxiv.org/abs/2311.17132.
  • Код: https://github.com/DaiShiResearch/TransNeXt

КЛИП

Alpha-CLIP: модель CLIP, ориентированная на то, где вы хотите

  • Статья: https://arxiv.org/abs/2312.03818.
  • Код: https://github.com/SunzeY/AlphaCLIP

FairCLIP: обеспечение справедливости в обучении визуальному языку

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

МАЭ

Воплощенный ИИ

EmbodiedScan: целостный мультимодальный пакет 3D-восприятия на пути к воплощенному искусственному интеллекту

  • Домашняя страница: https://tai-wang.github.io/embodiedscan/
  • Статья: https://arxiv.org/abs/2312.16170.
  • Код: https://github.com/OpenRobotLab/EmbodiedScan.

MP5: мультимодальная открытая система в Minecraft через активное восприятие

  • Домашняя страница: https://iranqin.github.io/MP5.github.io/
  • Статья: https://arxiv.org/abs/2312.07472.
  • Код: https://github.com/IranQin/MP5

ЛИМОН: изучение трехмерного взаимодействия человека и объекта на основе двумерных изображений

  • Статья: https://arxiv.org/abs/2312.08963.
  • Код: https://github.com/yyvhang/lemon_3d

ГАН

оптическое распознавание символов

Эмпирическое исследование закона масштабирования для OCR

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

ODM: подход к предварительному обучению дальнейшего выравнивания текста и изображения для обнаружения и обнаружения текста в сцене

  • Статья: https://arxiv.org/abs/2403.00303.
  • Код: https://github.com/PriNing/ODM

НРФ

PIE-NeRF?: Интерактивная эластодинамика на основе физики с NeRF

  • Статья: https://arxiv.org/abs/2311.13099.
  • Код: https://github.com/FYTalon/pienerf/

ДЭТР

DETR превосходят YOLO в обнаружении объектов в реальном времени

  • Статья: https://arxiv.org/abs/2304.08069.
  • Код: https://github.com/lyuwenyu/RT-DETR

Salience DETR: Улучшение преобразователя обнаружения с помощью усовершенствованной иерархической фильтрации заметности

  • Статья: https://arxiv.org/abs/2403.16131.
  • Код: https://github.com/xiuqhou/Salience-DETR

Быстрый

Мультимодальная модель большого языка (MLLM)

mPLUG-Owl2: революционная мультимодальная модель большого языка с совместной работой модальностей

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

Ссылочно-контекстное обучение для мультимодальных программ LLM

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

OPERA: облегчение галлюцинаций в мультимодальных моделях большого языка с помощью штрафа за чрезмерное доверие и ретроспективного распределения

  • Статья: https://arxiv.org/abs/2311.17911.
  • Код: https://github.com/shikiw/OPERA

Как заставить большие мультимодальные модели понимать произвольные визуальные подсказки

  • Домашняя страница: https://vip-llava.github.io/
  • Статья: https://arxiv.org/abs/2312.00784.

Пинк: Раскрытие возможностей референциального понимания для мультимодальных фильмов

  • Статья: https://arxiv.org/abs/2310.00582.
  • Код: https://github.com/SY-Xuan/Pink

Chat-UniVi: унифицированное визуальное представление расширяет возможности больших языковых моделей с возможностью понимания изображений и видео

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

OneLLM: одна структура для согласования всех модальностей с языком

  • Статья: https://arxiv.org/abs/2312.03700.
  • Код: https://github.com/csuhan/OneLLM

Модель большого языка (LLM)

VTimeLLM: Расширение возможностей LLM для захвата видеомоментов

  • Статья: https://arxiv.org/abs/2311.18445.
  • Код: https://github.com/huangb23/VTimeLLM

НАН

ReID (переидентификация)

Волшебные жетоны: выбирайте различные токены для мультимодальной повторной идентификации объектов

  • Статья: https://arxiv.org/abs/2403.10254.
  • Код: https://github.com/924973292/EDITOR.

Обучение зашумленным соответствиям для повторной идентификации человека по тексту и изображению

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

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

Диффузионные модели

InstanceDiffusion: управление на уровне экземпляра для создания изображений

  • Домашняя страница: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

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

Модели диффузии с остаточным шумоподавлением

  • Статья: https://arxiv.org/abs/2308.13712.
  • Код: https://github.com/nachifur/RDDM

DeepCache: бесплатное ускорение моделей распространения

  • Статья: https://arxiv.org/abs/2312.00858.
  • Код: https://github.com/horseee/DeepCache

DEADiff: эффективная модель диффузии стилизации с распутанными представлениями

  • Домашняя страница: https://tianhao-qi.github.io/DEADiff/

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

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

SVGDreamer: генерация SVG с текстовым управлением и моделью диффузии

  • Статья: https://arxiv.org/abs/2312.16476.
  • Код: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: управление взаимодействием для модели диффузии текста в изображение

  • Статья: https://arxiv.org/abs/2312.05849.
  • Код: https://github.com/jiuntian/interactdiffusion

ММА-диффузия: мультимодальная атака на модели диффузии

  • Статья: https://arxiv.org/abs/2311.17516.
  • Код: https://github.com/yangyijune/MMA-Diffusion

VMC: настройка движения видео с использованием временной адаптации внимания для моделей диффузии текста в видео

  • Домашняя страница: https://video-motion-customization.github.io/
  • Статья: https://arxiv.org/abs/2312.00845.
  • Код: https://github.com/HyeonHo99/Video-Motion-Customization

Видение Трансформатор

TransNeXt: надежное фовеальное зрительное восприятие для преобразователей зрения

  • Статья: https://arxiv.org/abs/2311.17132.
  • Код: https://github.com/DaiShiResearch/TransNeXt

RepViT: новый взгляд на мобильную CNN с точки зрения ViT

  • Статья: https://arxiv.org/abs/2307.09283.
  • Код: https://github.com/THU-MIG/RepViT

Общее и эффективное обучение работе с Transformer посредством расширения токена

  • Статья: https://arxiv.org/abs/2404.00672.
  • Код: https://github.com/Osilly/TokenExpansion

Видение-Язык

PromptKD: неконтролируемая быстрая дистилляция для моделей визуального языка

  • Статья: https://arxiv.org/abs/2403.02781.
  • Код: https://github.com/zhengli97/PromptKD

FairCLIP: обеспечение справедливости в обучении визуальному языку

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

Обнаружение объектов

DETR превосходят YOLO в обнаружении объектов в реальном времени

  • Статья: https://arxiv.org/abs/2304.08069.
  • Код: https://github.com/lyuwenyu/RT-DETR

Улучшение обнаружения объектов за счет адаптации режима дня и ночи Zero-Shot

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

YOLO-World: обнаружение объектов с открытым словарем в реальном времени

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

Salience DETR: Улучшение преобразователя обнаружения с помощью усовершенствованной иерархической фильтрации заметности

  • Статья: https://arxiv.org/abs/2403.16131.
  • Код: https://github.com/xiuqhou/Salience-DETR

Обнаружение аномалий

Обучение неоднородности аномалий для контролируемого обнаружения аномалий с открытым набором

  • Статья: https://arxiv.org/abs/2310.12790.
  • Код: https://github.com/mala-lab/AHL

Отслеживание объектов

Углубление в распределение длинного хвоста траектории для отслеживания нескольких объектов

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

Семантическая сегментация

Сильнее, меньше и превосходнее: использование моделей Vision Foundation для обобщенной семантической сегментации предметной области

  • Статья: https://arxiv.org/abs/2312.04265.
  • Код: https://github.com/w1oves/Rein

SED: простой кодер-декодер для семантической сегментации открытого словаря

  • Статья: https://arxiv.org/abs/2311.15537.
  • Код: https://github.com/xb534/SED

Медицинский имидж

Повторное внедрение функций: на пути к производительности базового уровня модели в вычислительной патологии

  • Статья: https://arxiv.org/abs/2402.17228.
  • Код: https://github.com/DearCaat/RRT-MIL

VoCo: простая, но эффективная система объемного контрастного обучения для анализа 3D-медицинских изображений

  • Статья: https://arxiv.org/abs/2402.17300.
  • Код: https://github.com/Luffy03/VoCo

ChAda-ViT: Адаптивное внимание к каналам для совместного обучения представлению гетерогенных микроскопических изображений

  • Статья: https://arxiv.org/abs/2311.15264.
  • Код: https://github.com/nicobou/chada_vit

Сегментация медицинских изображений

Автономное вождение

UniPAD: универсальная парадигма предварительной подготовки для автономного вождения

  • Статья: https://arxiv.org/abs/2310.08370.
  • Код: https://github.com/Nightmare-n/UniPAD

Cam4DOcc: эталон для четырехмерного прогнозирования занятости с помощью камеры в приложениях автономного вождения

  • Статья: https://arxiv.org/abs/2311.17663.
  • Код: https://github.com/haomo-ai/Cam4DOcc

Адаптеры на основе памяти для восприятия онлайн-3D-сцен

  • Статья: https://arxiv.org/abs/2403.06974.
  • Код: https://github.com/xuxw98/Online3D

Симфонизация семантического завершения 3D-сцен с помощью контекстных запросов экземпляров

  • Статья: https://arxiv.org/abs/2306.15670.
  • Код: https://github.com/hustvl/Symphonies

Реальный крупномасштабный набор данных для восприятия сотрудничества на дорогах

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

Адаптивное объединение глубины одного и нескольких изображений для автономного вождения

  • Статья: https://arxiv.org/abs/2403.07535.
  • Код: https://github.com/Junda24/AFNet

Анализ дорожного движения с помощью набора данных TSP6K

  • Документ: https://arxiv.org/pdf/2303.02835.pdf.
  • Код: https://github.com/PengtaoJiang/TSP6K

3D-облако точек (3D-Point-Cloud)

Обнаружение 3D-объектов

PTT: преобразователь точки и траектории для эффективного обнаружения временных 3D-объектов

  • Статья: https://arxiv.org/abs/2312.08371.
  • Код: https://github.com/kuanchihhuang/PTT

UniMODE: унифицированное монокулярное обнаружение 3D-объектов

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

3D-семантическая сегментация

Редактирование изображений

Редактировать один для всех: интерактивное пакетное редактирование изображений

  • Домашняя страница: https://thaoshibe.github.io/edit-one-for-all.
  • Статья: https://arxiv.org/abs/2401.10219.
  • Код: https://github.com/thaoshibe/edit-one-for-all

Редактирование видео

MaskINT: редактирование видео с помощью интерполяционных неавторегрессионных маскированных преобразователей

  • Домашняя страница: https://maskint.github.io

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

Низкоуровневое видение

Модели диффузии с остаточным шумоподавлением

  • Статья: https://arxiv.org/abs/2308.13712.
  • Код: https://github.com/nachifur/RDDM

Ускорение восстановления изображений с помощью априорных моделей из предварительно обученных моделей

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

Супер-разрешение

SeD: семантический дискриминатор для сверхвысокого разрешения изображений

  • Статья: https://arxiv.org/abs/2402.19387.
  • Код: https://github.com/lbc12345/SeD

APISR: супер-разрешение, вдохновленное созданием аниме в реальном мире

  • Статья: https://arxiv.org/abs/2403.01598.
  • Код: https://github.com/Kiteretsu77/APISR

шумоподавление

Шумоподавление изображения

3D-оценка позы человека

Токенизатор песочных часов для эффективной трехмерной оценки позы человека на основе трансформатора

  • Статья: https://arxiv.org/abs/2311.12028.
  • Код: https://github.com/NationalGAILab/HoT

Генерация изображений

InstanceDiffusion: управление на уровне экземпляра для создания изображений

  • Домашняя страница: https://people.eecs.berkeley.edu/~xdwang/projects/InstDiff/

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

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

ECLIPSE: ресурсоэффективное преобразование текста в изображение для генерации изображений

  • Домашняя страница: https://eclipse-t2i.vercel.app/

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

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

Instruct-Imagen: генерация изображений с помощью мультимодальных инструкций

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

Модели диффузии с остаточным шумоподавлением

  • Статья: https://arxiv.org/abs/2308.13712.
  • Код: https://github.com/nachifur/RDDM

UniGS: унифицированное представление для создания и сегментации изображений

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

Контроллер генерации нескольких экземпляров для синтеза текста в изображение

  • Статья: https://arxiv.org/abs/2402.05408.
  • Код: https://github.com/limuloo/migc

SVGDreamer: генерация SVG с текстовым управлением и моделью диффузии

  • Статья: https://arxiv.org/abs/2312.16476.
  • Код: https://ximinng.github.io/SVGDreamer-project/

InteractDiffusion: управление взаимодействием для модели диффузии текста в изображение

  • Статья: https://arxiv.org/abs/2312.05849.
  • Код: https://github.com/jiuntian/interactdiffusion

Ранни: Укрощение распространения текста в изображение для точного следования подсказкам

  • Статья: https://arxiv.org/abs/2311.17002.
  • Код: https://github.com/ali-vilab/Ranni

Создание видео

Влогер: Преврати свою мечту в видеоблог

  • Статья: https://arxiv.org/abs/2401.09414.
  • Код: https://github.com/Vchitect/Vlogger.

VBench: Комплексный набор тестов для видеогенеративных моделей

  • Домашняя страница: https://vchitect.github.io/VBench-project/
  • Статья: https://arxiv.org/abs/2311.17982.
  • Код: https://github.com/Vchitect/VBench

VMC: настройка движения видео с использованием временной адаптации внимания для моделей диффузии текста в видео

  • Домашняя страница: https://video-motion-customization.github.io/
  • Статья: https://arxiv.org/abs/2312.00845.
  • Код: https://github.com/HyeonHo99/Video-Motion-Customization

3D-генерация

CityDreamer: композиционная генеративная модель неограниченных 3D-городов

  • Домашняя страница: https://haozhexie.com/project/city-dreamer/
  • Статья: https://arxiv.org/abs/2309.00610.
  • Код: https://github.com/hzxie/city-dreamer

LucidDreamer: На пути к высококачественному преобразованию текста в 3D посредством сопоставления интервальных оценок

  • Статья: https://arxiv.org/abs/2311.11284.
  • Код: https://github.com/EnVision-Research/LucidDreamer

Видео Понимание

MVBench: комплексный тест для понимания мультимодального видео

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

Дистилляция знаний

Логит-стандартизация в дистилляции знаний

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

Эффективная дистилляция набора данных посредством минимаксной диффузии

  • Статья: https://arxiv.org/abs/2311.15529.
  • Код: https://github.com/vimar-gu/MinimaxDiffusion

Стерео согласование

Нейронное марковское случайное поле для стереосогласования

  • Статья: https://arxiv.org/abs/2403.11193.
  • Код: https://github.com/aeolusguan/NMRF

Генерация графа сцены

HiKER-SGG: надежное создание графов сцен с расширенными иерархическими знаниями

  • Домашняя страница: https://zhangce01.github.io/HiKER-SGG/
  • Статья: https://arxiv.org/abs/2403.12033.
  • Код: https://github.com/zhangce01/HiKER-SGG

Оценка качества видео

KVQ: Оценка качества видео калейдоскопа для коротких видеороликов

  • Домашняя страница: https://lixinustc.github.io/projects/KVQ/

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

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

Наборы данных

Реальный крупномасштабный набор данных для восприятия сотрудничества на дорогах

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

Анализ дорожного движения с помощью набора данных TSP6K

  • Документ: https://arxiv.org/pdf/2303.02835.pdf.
  • Код: https://github.com/PengtaoJiang/TSP6K

Другие

Распознавание объектов как прогноз следующего токена

  • Статья: https://arxiv.org/abs/2312.02142.
  • Код: https://github.com/kaiyuyue/nxtp

ПараметрNet: параметры — это все, что вам нужно для крупномасштабного визуального предварительного обучения мобильных сетей

  • Статья: https://arxiv.org/abs/2306.14525.
  • Код: https://parameternet.github.io/

Бесшовная композиция движений человека со смешанными позиционными кодировками

  • Статья: https://arxiv.org/abs/2402.15509.
  • Код: https://github.com/BarqueroНемецкий/FlowMDM

LL3DA: настройка визуальных интерактивных инструкций для понимания, рассуждения и планирования Omni-3D

  • Домашняя страница: https://ll3da.github.io/

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

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

CLOVA: визуальный помощник замкнутого цикла с использованием и обновлением инструментов

  • Домашняя страница: https://clova-tool.github.io/
  • Статья: https://arxiv.org/abs/2312.10908.

MoMask: Генеративное маскированное моделирование трехмерных движений человека

  • Статья: https://arxiv.org/abs/2312.00063.
  • Код: https://github.com/EricGuo5513/momask-codes

Амодальная основная истина и завершение в дикой природе

  • Домашняя страница: https://www.robots.ox.ac.uk/~vgg/research/amodal/
  • Статья: https://arxiv.org/abs/2312.17247.
  • Код: https://github.com/Championchess/Amodal-Completion-in-the-Wild

Улучшение визуального обоснования посредством последовательных объяснений

  • Статья: https://arxiv.org/abs/2312.04554.
  • Код: https://github.com/uvavision/SelfEQ

ImageNet-D: Сравнительный анализ устойчивости нейронной сети на диффузионном синтетическом объекте

  • Домашняя страница: https://chenshuang-zhang.github.io/imagenet_d/
  • Статья: https://arxiv.org/abs/2403.18775.
  • Код: https://github.com/chenshuang-zhang/imagenet_d

Обучение на синтетической групповой деятельности людей

  • Домашняя страница: https://cjerry1243.github.io/M3Act/
  • Бумага https://arxiv.org/abs/2306.16772
  • Код: https://github.com/cjerry1243/M3Act

Межпредметная система декодирования мозга

  • Домашняя страница: https://littlepure2333.github.io/MindBridge/
  • Статья: https://arxiv.org/abs/2404.07850.
  • Код: https://github.com/littlepure2333/MindBridge

Многозадачное плотное прогнозирование с помощью экспертов низкого ранга

  • Статья: https://arxiv.org/abs/2403.17749.
  • Код: https://github.com/YuqiYang213/MLoRE

Сравнительное обучение среднему сдвигу для обнаружения обобщенных категорий

  • Домашняя страница: https://postech-cvlab.github.io/cms/
  • Статья: https://arxiv.org/abs/2404.09451.
  • Код: https://github.com/sua-choi/CMS
Расширять
Дополнительная информация
Связанные приложения
Рекомендуем вам
Связанные новости Все