英偉達(dá)特供版芯片將上市：性能最高不到H100的20%
本周四，一些媒體首次報(bào)道了英偉達(dá)特供芯片的消息。報(bào)道稱(chēng)，這三款新產(chǎn)品是在 H100 GPU 的基礎(chǔ)版....
GPT-4V在異常檢測(cè)上有多少?gòu)?qiáng)？華科大等最新測(cè)評(píng)來(lái)了！
不同領(lǐng)域的數(shù)據(jù)集包含各種數(shù)據(jù)類(lèi)型和類(lèi)別，如圖像、視頻、點(diǎn)云、時(shí)間序列等。每種數(shù)據(jù)類(lèi)型可能需要不同的異....
Backbone之戰(zhàn)：計(jì)算機(jī)視覺(jué)任務(wù)模型大比較
盡管Vision Transformer（ViTs）和自監(jiān)督學(xué)習(xí)（SSL）越來(lái)越受歡迎，但在大多數(shù)任....
北大&華為提出：多模態(tài)基礎(chǔ)大模型的高效微調(diào)
深度學(xué)習(xí)的大模型時(shí)代已經(jīng)來(lái)臨,越來(lái)越多的大規(guī)模預(yù)訓(xùn)練模型在文本、視覺(jué)和多模態(tài)領(lǐng)域展示出杰出的生成和推....
AI圈巨震！微軟論文聲稱(chēng)ChatGPT是20B(200億)參數(shù)量的模型？
在top-1中，CODEFUSION的性能與自回歸模型相媲美，甚至在某些情況下表現(xiàn)更出色，尤其是在P....
漲點(diǎn)！FreeMask：用密集標(biāo)注的合成圖像提升分割模型性能
在初始階段我們嘗試了多個(gè)GAN-based從mask生成image的模型 (e.g., OASIS[....
預(yù)訓(xùn)練擴(kuò)散大模型取得點(diǎn)云-圖像配準(zhǔn)SoTA！
現(xiàn)有方法往往是：用一個(gè)2D特征提取網(wǎng)絡(luò)提取圖像特征；用一個(gè)3D特征提取網(wǎng)絡(luò)提取點(diǎn)云特征；然后根據(jù)pi....
華為成為中國(guó)首個(gè)PyTorch基金會(huì)Premier會(huì)員
2023年10月18日（北京時(shí)間），PyTorch 基金會(huì)正式宣布華為作為Premier會(huì)員加入基金....
谷歌重磅新作PaLI-3：視覺(jué)語(yǔ)言新模型！更小、更快、更強(qiáng)
效果怎么樣呢？PaLI-3 在需要視覺(jué)定位文本理解和目標(biāo)定位的任務(wù)上實(shí)現(xiàn)了新的 SOTA，包括 Re....
港中文等發(fā)布MagicDrive：日夜、雨晴、多視角全覆蓋，人、物位置隨意變更
描述自動(dòng)駕駛場(chǎng)景的條件是多維度的，包括：相機(jī)參數(shù)、物體框、路面地圖以及對(duì)場(chǎng)景屬性的語(yǔ)言描述（比如天氣....
即插即用！百度提出S3IM：用于NeRF提點(diǎn)的Magic Loss
用一句話(huà)來(lái)總結(jié)這個(gè)工作就是——我們提出了一種即插即用的loss S3IM（隨機(jī)結(jié)構(gòu)相似性），可以近乎....
Direct Inversion：三行代碼提升基于擴(kuò)散的圖像編輯效果
為了完成這兩個(gè)任務(wù)，最為直覺(jué)，也是使用最多的方式就是：使用兩個(gè)分支來(lái)完成這兩件事，一個(gè)用來(lái)保留信息，....
中科院&曠視提出DropPos：全新的自監(jiān)督視覺(jué)預(yù)訓(xùn)練代理任務(wù)
我們提出了一種全新的自監(jiān)督代理任務(wù) DropPos，首先在 ViT 前向過(guò)程中屏蔽掉大量的 posi....
清華&港大提出LanguageMPC：將大語(yǔ)言模型和MPC相結(jié)合的新型類(lèi)人智駕系統(tǒng)
LanguageMPC首次將LLM應(yīng)用于駕駛場(chǎng)景，并設(shè)計(jì)了將文字形式高層決策轉(zhuǎn)化為可操作駕駛行為的方....
計(jì)算機(jī)視覺(jué)走向何方？參會(huì)ICCV的一些感想
最后，可能大家從上面一段論述中也已經(jīng)能感覺(jué)出來(lái)了，許多大佬們正把embodied AI作為一個(gè)最終的....
NUS&深大提出VisorGPT：為可控文本圖像生成定制空間條件
本文將空間條件中物體的形狀、位置以及它們之間的關(guān)系等性質(zhì)總結(jié)為視覺(jué)先驗(yàn)（Visual Prior），....
OpenAI最新大模型曝光！劍指多模態(tài)，GPT-4之后最大升級(jí)！
目前為止，OpenAI還沒(méi)有對(duì)爆料中的傳聞做出回應(yīng)，但此前發(fā)布過(guò)多模態(tài)模型測(cè)試。CEO奧特曼在回應(yīng)有....
Apple提出FastViT：快速卷積和Transformer混合架構(gòu)
進(jìn)一步使用大核卷積使得 FastViT 精度得到提升，而且不怎么影響延時(shí)。在移動(dòng)設(shè)備和 ImageN....
DDFM：首個(gè)使用擴(kuò)散模型進(jìn)行多模態(tài)圖像融合的方法
近來(lái)去噪擴(kuò)散概率模型 Denoising diffusion probabilistic model....
上交提出RCLSTR：面向場(chǎng)景文本識(shí)別的關(guān)系對(duì)比學(xué)習(xí)
基于MoCo[3]的框架，該文提出了用于文本識(shí)別的關(guān)系對(duì)比學(xué)習(xí)框架(RCLSTR)。如下圖所示：1、....
馬毅團(tuán)隊(duì)新作：白盒ViT成功實(shí)現(xiàn)
最近，馬毅教授團(tuán)隊(duì)探索了基于Transformer架構(gòu)的模型中涌現(xiàn)分割能力是否僅僅是復(fù)雜的自監(jiān)督學(xué)習(xí)....
通用數(shù)據(jù)增強(qiáng)技術(shù)！適用于任意數(shù)據(jù)模態(tài)的隨機(jī)量化
一般性地，輸入數(shù)據(jù)可以被表征為由序列維度（sequential）和通道維度（channel）組成的二....
驚呆了！用ChatGPT寫(xiě)論文忘刪生成按鈕，出版商：撤稿
事實(shí)上，這并非唯一案例。自pubpeer不完全統(tǒng)計(jì)，4個(gè)月以來(lái)就有十幾篇含有「Regenerate ....
CLE Diffusion：可控光照增強(qiáng)擴(kuò)散模型
本文提出了新型的可控光照增強(qiáng)框架，主要采用了條件擴(kuò)散模型來(lái)控制任意區(qū)域的任意亮度增強(qiáng)。通過(guò)亮度控制模....
MUS-CDB：遙感目標(biāo)檢測(cè)中的主動(dòng)標(biāo)注的具有類(lèi)分布平衡的混合不確定性采樣
使用主動(dòng)學(xué)習(xí)進(jìn)行遙感目標(biāo)檢測(cè)旨在通過(guò)從大型未標(biāo)記數(shù)據(jù)集中選擇信息量豐富的樣本來(lái)降低標(biāo)注成本，從而訓(xùn)練....
頂刊TPAMI 2023！生成式AI與圖像合成綜述發(fā)布！
近期，火熱的擴(kuò)散模型也被廣泛應(yīng)用于多模態(tài)合成與編輯任務(wù)。例如效果驚人的DALLE-2和Imagen都....
復(fù)旦開(kāi)源LVOS：面向真實(shí)場(chǎng)景的長(zhǎng)時(shí)視頻目標(biāo)分割數(shù)據(jù)集
現(xiàn)有的視頻目標(biāo)分割（VOS）數(shù)據(jù)集主要關(guān)注于短時(shí)視頻，平均時(shí)長(zhǎng)在3-5秒左右，并且視頻中的物體大部分....
GPT-5正秘密訓(xùn)練！DeepMind聯(lián)創(chuàng)爆料，這模型比GPT-4大100倍
另外，采訪中，Suleyman還爆出了很多自己在DeepMind和Inflection AI工作時(shí)的....
工商網(wǎng)監(jiān)