CVPRJul, 2021

通过流程视角探索数据管道：计算机视觉的参考模型

PDF
TL;DR通过方法工程领域的实证研究构建了一个计算机视觉数据管道（CV data pipelines）的参考模型，从流程角度探索了数据集的创建、演化、使用等，探究流程角度如何支持研究人员发现未研究的问题，并帮助从业者使其进程更透明。
computer visioncv data pipelinesdatasetmethod engineeringprocess-oriented lens
发现论文，激发创造
  • 为视觉隐私研究提出交互式审计流程

    本篇论文旨在通过对视觉隐私问题的分析，系统地研究机器学习流程中的公平性、隐私、人类干预以及潜在的社会伦理问题，从而提高相关利益相关者（研究人员，模型构建者，企业等）的认识与责任意识。

    Nov, 2021

  • 监控 AI 流程

    通过对计算机视觉研究论文和专利的深入内容分析，揭示了计算机视觉与大规模监控之间的紧密联系，呈现了监控人工智能 (Surveillance AI) 的拓扑结构，以及其数据提取、数据转移和机构数据使用方面的普遍特征。

    Sep, 2023

  • 学习图像处理流程

    本文提出一种结合机器学习和图像系统仿真的方法，自动化处理传感器数据的流程设计，以此应用于图像传感器设计及其相应的相关领域，例如消费类摄影。

    May, 2016

  • 深度学习模型重构的挑战和实践：以计算机视觉为例的案例研究

    本文从 “过程” 视角描述了深度学习模型重新工程活动中的特征和挑战，分析了深度学习模型在计算机视觉领域的重构和缺陷分布，并提出了一种新的重新工程流程。这些结果可以指导今后更多的度量、标准化工程实践以促进重新工程，以及开发工具以支持重用深度学习模型的发展方向。

    Mar, 2023

  • 数据集是否存在政治性？计算机视觉数据集开发中的学科价值观

    本文采用结构化和主题内容分析研究了计算机视觉数据集的文档记录，强调了计算机视觉数据集作者重视效率、普遍性、客观性和模型工作的做法，而这些做法与社交计算实践相矛盾。研究人员提出了在数据集创建和管理过程中更好地融入这些价值观的建议。

    Aug, 2021

  • 朝着能够看见的语言模型：通过自然语言镜头看计算机视觉

    LENS 是一种模块化的方法，针对计算机视觉问题，利用大型语言模型进行推理，可以应用于零 / 少样本对象识别，以及视觉和语言问题。

    Jun, 2023

  • 通过 “Shadow Pipelines” 交互式提高机器学习数据准备代码

    通过使用隐藏变体的阴影管道自动检测潜在问题、尝试修改以改善性能并向用户提出和解释这些修改的建议，我们提出在机器学习管道开发周期中通过交互式建议来支持数据科学家，并应用基于增量视图维护的优化来确保低延迟计算和维护阴影管道的可行性和潜在好处。

    Apr, 2024

  • 计算机视觉模型在哪里会出错？使用交互性可视化找到和改善 CV 模型的错误地方和方式

    该研究设计和评估了 2 个交互式可视化工具，帮助不同水平的机器学习专业人员提高计算机视觉模型的构建效率和选择性能较差的模型，减少改进模型所需的努力。

    May, 2023

  • 人工智能模型持续开发的流程 —— 研究与实践当前状况

    本文提供了一个综合的文献综述及九个半结构化采访，总结了 AI 模型持续开发中面临的挑战。作者提出了一种适用于 AI 持续开发的流水线，包含数据处理、模型学习、软件开发及系统运维四个阶段，并针对每个阶段的实施、适应和使用提出了具体挑战。

    Jan, 2023

  • 伦理镜境：制约开源文本到图像模型的恶意使用

    Ethical-Lens 是一个旨在促进价值对齐的文本到图像工具的框架，通过改善用户命令和模型输出来确保其在毒性和偏见维度上的价值对齐能力，从而提高了与商业模型 (DALLE 3) 相媲美甚至更高的对齐能力，并确保用户生成的内容符合伦理标准同时保持图像质量。

    Apr, 2024