对多尺度分辨率训练的数据采样器进行了实证研究，发现其行为类似于隐式的数据正则化器，加快了训练速度并提高了模型的准确性、鲁棒性和数据校准性，同时通过渐进增加分辨率的简单课程对多尺度变量批量采样器进行了扩展，实现了 30% 以上的计算减少，并在检测和实例分割任务中观察到了训练 FLOP 减少 37% 以及 Mask R-CNN 模型 mAP 提升 3-4%。

Sep, 2023

本文提出了 Scalable Bias-Mode Attention Mask（BA-SAM）解决图像分辨率变化对 Segment Anything Model (SAM) 的影响，并实现了零样本泛化能力。通过引入新的缩放因子和偏置模式注意力掩码，BA-SAM 在不改变结构的情况下，增强了模型对不同图像分辨率的适应性，同时在零样本学习和微调中取得了显著的性能提升。

Jan, 2024

本文提出了一种有效的质量敏感邻域代表方案，即基于时空网格小立方体采样（St-GMS），以及针对片段的神经网络结构 Fragment Attention Network（FANet），结合起来提出的高效端到端的 FAST-VQA 和 FasterVQA 方法，在所有视频质量评估基准测试中均显著优于现有方法，却仅需要当前最先进方法的 1/1612 的 FLOPs。

Oct, 2022

本文旨在通过在使用 Coyo-700M 数据集进行实验，探究遮蔽图像建模 (MIM) 方法在不同大小和模型的情况下，进行下游任务的表现变化，并发现了 MIM 在训练数据规模较小时提高模型容量的效果、强重构目标能增加模型在下游任务中的容量，以及大多数情况下，MIM 预训练是数据不可知的。这些发现为未来的 MIM 研究提供了有价值的见解。

May, 2023

提出了一种新的质量保留采样方案 Grid Mini-patch Sampling (GMS)，并使用 Fragment Attention Network (FANet) 和新提出的 FrAgment Sample Transformer for VQA (FAST-VQA) 实现了高效的端到端深度视频质量评估。

Jul, 2022

提出了一种基于可扩展的 SAMText 模型的可扩展的遮罩注释流程，用于视频文本定位，以解决现有数据集所具有的问题，并使用 SAMText 创建了一个包含 2400 个视频剪辑和超过 900 万个遮罩注释的大规模数据集，为该领域提供了新的研究机会。

May, 2023

利用压缩采样的图像质量评估方法 (S-IQA) 提出了一个新的框架，其中包括灵活采样模块、自适应嵌入模块和双分支模块，通过这个方法在各种数据集上实现了最先进的结果。

Apr, 2024

通过对 SAM 进行自适应预训练图像编码器以进行基于检测的区域提议，我们的方法在病理学领域的两个基本分割任务中达到了与最先进模型相媲美的 F1 得分（细胞核检测）和二进制 / 多类别 panoptic（bPQ/mPQ）和掩模质量（dice），同时实现了端到端效率。

Apr, 2024

基于区域兴趣的遥感数据处理方法通过使用预处理图像分割模型和目标检测器生成感兴趣区域的掩模，提升处理效率和性能，并在三个应用场景中展示了准确遮罩的有效性。

Nov, 2023

提出了两种帧采样策略，即最主导帧（MDF）和最隐含帧（MIF），用于最大限度地保留对给定问题最重要的帧，验证实验结果表明这些策略能够提高图像 - 文本预训练模型的性能。

Jul, 2023