图像语义转换：更快、更轻、更强
该研究提出了一种基于三元损失的简化模型和一种用于图像检索的新方法 STIR，它采用注意力机制在像素级别上直接比较查询图像和候选图像，不需要全局 / 局部特征提取，能够在标准图像检索数据集上定义新的技术状态。
Apr, 2023
本文提出了一种名为 ISTR 的实例分割变压器，利用低维掩模嵌入进行实例分割，采用递归细化策略实现检测和分割并行，实现了端到端框架。在 MS COCO 数据集上，基于 ResNet50-FPN 和 ResNet101-FPN 的 ISTR 分别获得了 46.8 / 38.6 和 48.1 / 39.9 的盒子 / 掩码 AP，并取得了最先进的性能。
May, 2021
我们提出了一种使用纯 Transformer 的 LiDAR 语义分割体系结构 LEST，在公共语义分割验证集和 SemanticKITTI 测试集上，我们的模型表现优于所有其他最先进的方法。
Jul, 2023
该论文提出了一种基于 Implicit Ray-Transformer 和神经场的遥感场景语义分割方法，在有限的标记视图的情况下，通过引入多视角的三维结构先验信息以实现精确和视图一致的语义分割，并在实验中取得了较好效果。
Mar, 2023
提出了一种稀疏聚焦变换器用于遥感图像变化编码任务，通过在变换器编码中引入稀疏注意机制，降低参数数量和计算复杂度，与其他最先进的遥感图像变化编码方法相比，仍能获得竞争性性能。
May, 2024
通过使用三维空间变形网络（3DSTN）模型相机投影矩阵和三维模型的形变参数，我们提出了一种新颖的方法同时提取面部的三维形状和语义一致的二维对齐，可以在比实时更快的速度下通过网络一次传递实现。我们的模型在 AFLW 和 AFLW2000-3D 数据集上进行评估，证明了我们的方法在三维对齐方面取得了最先进的性能。
Jul, 2017
我们提出了一种新颖的方法 Semantic Facial Feature Control (SeFFeC) 用于细粒度人脸形状编辑，该方法能够操纵人类可理解的语义人脸特征，并且由不同组的面部标志定义，通过使用面部标志进行精确测量从而实现对 SeFFeC 进行无需手动注释的训练。SeFFeC 由基于 Transformer 的编码网络组成，接受预训练生成模型的潜在向量和面部特征嵌入作为输入，并学习修改潜在向量以执行期望的面部编辑操作。通过引入新颖的语义人脸特征损失，以确保将期望的特征测量改变为目标值，而不会改变不相关的特征。定性和定量实验结果表明，SeFFeC 能够对 23 个面部特征进行精确和细粒度的控制，其中一些特征以前无法通过其他方法进行控制，而无需手动注释。与现有方法不同，SeFFeC 还提供了对面部特征的确切值的确定性控制，以及更局部化和解耦的面部编辑。
Mar, 2024
本文介绍了一种名为 FaceNet 的系统，其通过使用卷积神经网络及三元组学习法直接将人脸图像映射到紧凑的欧几里得空间中，使得人脸识别、验证和聚类等任务可使用 FaceNet 嵌入作为特征向量，仅使用 128 字节每个人脸即可实现最先进的人脸识别性能，其在 LFW 和 YouTube Faces DB 两个数据集上的表现都创造了最新纪录。同时，本文还提出了谐波嵌入的概念和谐波三元组损失，以描述不同网络产生的面部嵌入版本以及它们之间的直接比较。
Mar, 2015
本文提出了一种新的语义分割方法，使用纯 Transformer 编码图像为序列的方式，通过全局上下文模型和一个简单的解码器生成强大的分割模型，称为 SETR，取得多项最新的测试结果。
Dec, 2020