SPSN: 基于超像素原型采样的 RGB-D 异常突出检测网络

ECCVJul, 2022

SPSN: 基于超像素原型采样的 RGB-D 异常突出检测网络

SPSN: Superpixel Prototype Sampling Network for RGB-D Salient Object Detection

Minhyeok Lee, Chaewon Park, Suhwan Cho, Sangyoun Lee

TL;DR通过使用 SPSN 架构中的原型采样网络和依赖选择模块，我们的方法在五个流行的数据集上达到了最先进的性能，实现了对 RGB-D 显着物体检测方面的显着改进。

Abstract

rgb-d salient object detection (SOD) has been in the spotlight recently because it is an important preprocessing operation for various vision tasks. However, despite advances in deep learning-based methods, RGB-D SOD is still challenging due to the large domain gap between an RGB image

rgb-d salient object detection spsn architecture prototype sampling network reliance selection module state-of-the-art performance

发现论文，激发创造

DiffuseDef: 对抗攻击下的改进鲁棒性

通过结合迁移学习、扰动模型和集成学习技术，我们提出了一种新颖和灵活的文本分类对抗防御方法 DiffuseDef，它在编码器和分类器之间引入扩散层作为去噪器，经过迭代去噪和集成生成鲁棒的文本表示。实验证明，DiffuseDef 在各种对抗性攻击中表现优异，实现了最先进的性能。

Jun, 2024

通过注入上下文化的子结构信息来提升 K - 跳消息传递 GNNs 的表现力

本研究探讨了基于图神经网络的 K-hop 传递模型的局限性，并提出了子结构编码函数，以提升其表达能力，并注入情境化子结构信息增强表达能力。实证结果表明，该方法在多个数据集上取得了新的最优表现或可比较的性能。

Jun, 2024

DICE：从单一图像捕捉手脸互动的端到端变形

DICE 是一种基于 Transformer 的全新的、从单张图像中重建具有变形的手 - 脸互动的方法，其特点是通过将本地变形场和全局网格顶点位置的回归分离到两个网络分支，从而增强精确而稳健的手 - 脸网格恢复中的变形和接触估计。我们的实验表明，在基准测试和野外数据方面，DICE 在准确性和物理合理性方面均达到了最先进的性能水平。此外，我们的方法在 Nvidia 4090 GPU 上以交互速率（20fps）运行，而 Decaf 则需要超过 15 秒处理一张图像。

Jun, 2024

高分辨率开放词汇对象 6D 姿态估计

Horyon 是一种基于开放词汇量的 Vision-Language Model 架构，通过使用自然语言描述来解决视觉中六维位姿估计任务中未见过对象之间的相对位姿估计问题，并在四个数据集上实现了最先进的性能，优于之前的方法。

Jun, 2024

补偿量化误差：使权重分层以互相补偿

Emergent Large Language Models (LLMs) use their extraordinary performance and powerful deduction capacity to discern from traditional language models.

Jun, 2024

矢量化表示梦想家（VRD）：辅助多智能体运动预测

自主驾驶车辆的轨迹预测是一个关键问题，本文引入基于向量化世界模型的 VRD 方法，通过结合传统训练和新型训练流程，实现了多智能体运动预测的优异性能。

Jun, 2024

通过扩散模型进行手术三元组识别

在本文中，我们提出了 DiffTriplet，一种利用扩散模型的新的生成性手术三元组识别框架，通过迭代去噪来预测手术三元组。我们的 Diffusion 框架提出了两种独特的设计来解决三元组关联的挑战，即关联学习和关联引导。实验证明，我们的方法在手术三元组识别方面取得了卓越的性能，达到了最新的最先进水平。

Jun, 2024

大型语言模型的元推理

Meta-Reasoning Prompting（MRP）是一种受人类元推理启发的用于大型语言模型（LLMs）的新型高效系统提示方法，通过动态选择和应用不同的推理方法来优化性能和计算效率，实现了在不同任务中达到或接近最先进性能的结果。

Jun, 2024

自监督预训练和微调用于单目深度和视觉里程计

我们提出了一种使用自监督变换器模型进行单目深度和视觉里程计估计任务的方法，分为两个步骤：第一步是使用跨视角补全目标（CroCo）进行通用预训练以学习 3D 几何，然后在非标注视频上进行自监督微调。我们展示了我们的自监督模型可以通过使用视觉变换器、密集预测变换器和适配器等标准组件达到最先进的性能。通过在六个基准数据集上进行评估，包括静态和动态、室内和室外、合成和真实图像，我们证明了我们提出方法的有效性，尤其在深度预测任务中超过了最先进的方法。

Jun, 2024

探索全模态大规模预训练的极限

我们提出了建立全模态智能的方法，能够理解任何模态并学习通用表示。通过提出一种可扩展的预训练模式 —— 多模态上下文（MiCo），我们能够在预训练过程中扩大模态数量、数据量和模型参数。MiCo 预训练模型在多模态学习中展现出重要的新能力，并在 10 种不同模态的单一模态感知基准、25 种跨模态理解任务（包括检索、问答、字幕生成）和 18 种多模态大型语言模型基准上获得了 37 项最新成果记录。我们希望我们的研究能够为全模态智能的发展做出贡献。

Jun, 2024