computer vision tasks | BriefGPT

关键词computer vision tasks

搜索结果 - 50

VideoMambaPro：Mamba 视觉理解的重大进展
通过对自我注意力和 Mamba 之间的差异进行理论分析，我们提出了 VideoMambaPro（VMP），通过向 VideoMamba 骨干结构添加掩码反向计算和元素残差连接来解决 Mamba 的两个限制，从而实现了卓越的视频动作识别性能，
PDF5 days ago
SEL-CIE: 非线性 sRGB 图像的基于知识引导的自监督学习框架下的 CIE-XYZ 重建
此研究论文提出了一个使用自监督学习方法和成对数据结合的框架，用于重建 CIE-XYZ 图像和重新生成 sRGB 图像，优于现有方法。该框架应用于 sRGB2XYZ 数据集。
PDFa month ago
通过向可训练的代理模型引入非线性改进解释任意概念
在可解释人工智能（XAI）领域中，解释深度神经网络（DNN）在计算机视觉任务中的决策是一个重要过程。本文通过在原代理模型中引入附加的非线性层，提出了一种改进的 EAC 模型，以提高其性能。在 ImageNet 和 MS COCO 数据集中，
PDFa month ago
朝着任务兼容性可压缩表示
我们在多任务可学习压缩中识别出一个问题，即为一个任务学习的表示对于不同任务的速率失真性能的正向贡献程度低于预期，解释了这个问题，并评估了在输入重建的背景下这个想法的影响，并将其扩展到其他计算机视觉任务中，实验结果显示在辅助任务的速率失真性能
PDF2 months ago
BLINK：多模态大型语言模型具备视觉但无感知能力
Blink 是一个针对多模式语言模型（LLMs）的新基准，重点关注其他评估中找不到的核心视觉感知能力。通过对 14 个经典的计算机视觉任务进行改组，Blink 生成了 3,807 个多项选择题，配备单个或多个图像和视觉提示。虽然人类平均准确
PDF2 months ago
CVPRDIMAT：分散迭代合并训练用于深度学习模型
从先进的模型合并技术中汲取灵感，我们引入了分布式迭代融合和训练（DIMAT）范式 —— 一种新颖的分布式深度学习框架，它通过使用高级模型合并技术如激活匹配，使每个代理在本地数据上训练，并定期与相邻代理合并，直到达到收敛。实证分析验证了 DI
PDF3 months ago
CVPRGLID：预训练通用编码 - 解码视觉模型
该论文提出了一种用于处理各种下游计算机视觉任务的 GeneraLIst 编码器 - 解码器（GLID）预训练方法。GLID 通过在各种视觉任务上微调预训练的通用编码器 - 解码器，并最小限度地修改任务特定的架构，在预训练 - 微调体系结构不
PDF3 months ago
3D-COCO：用于图像检测和 3D 重建模块的 MS-COCO 数据集扩展
我们介绍了 3D-COCO，这是原始的 MS-COCO 数据集的扩展，提供了 3D 模型和 2D-3D 对齐注释。3D-COCO 旨在实现计算机视觉任务，如可配置的 3D 重建或图像检测，通过使用文本、2D 图像和 3D CAD 模型查询。
PDF3 months ago
分类中的噪音标签处理：一项调查
对于计算机视觉任务尤其是图像分类任务，本综述全面回顾了应对噪声标签的不同深度学习方法的演变，研究了不同的噪声模式，并提出了一种由现实世界数据引导的算法来生成合成标签噪声模式，以形成一个新的以真实世界数据为指导的合成基准，并在该基准上评估了一
PDF3 months ago
探索深度学习模型中使用群归一化在阿尔茨海默病分类中的有效性
使用 Group Normalization 作为批量归一化（Batch Normalization）的替代方法来解决其在深度学习模型中所面临的严重挑战，具有与或提高分类准确率的可比性，而且可以自然地从预训练阶段转移到微调阶段。
PDF3 months ago
AAAI多尺度低频记忆网络用于改进卷积神经网络中的特征提取
使用 Multiscale Low-Frequency Memory (MLFM) 网络框架，通过有效地保存低频信息来提高卷积神经网络的性能。测试结果表明，MLFM 能够显著提高多种 2D CNNs 和语义分割网络在图像分类和图像翻译任务方
PDF4 months ago
关于 BaumEvA 进化优化 Python 库的测试的技术报告
该报告介绍了 Python 库 BaumEvA 的测试结果，该库实现了进化算法来优化各种类型的问题，包括伴随着对最佳模型架构的搜索的计算机视觉任务。测试的目的是评估方法的效果和可靠性，并确定它们在各个领域的适用性。测试过程中使用了各种测试函
PDF4 months ago
一种时空对齐的 SUNet 模型用于低光视频增强
我们提出了一种 Swin Transformer 为骨干结构的时空对齐 SUNet（STA-SUNet）模型，用于捕捉低光视频特征并利用它们的时空相关性，通过在新颖统一的 BVI 数据集上进行比较分析，该模型在各个测试数据集上体现出卓越的适
PDF4 months ago
AutoMMLab：自然语言指令生成计算机视觉任务的可部署模型
AutoMMLab 是一个通用的、基于 LLM（语言模型）驱动的 AutoML 系统，通过用户友好的语言界面，自动化计算机视觉任务的整个模型生产流程，并利用 LLM 作为桥梁连接 AutoML 和 OpenMMLab 社区，使非专家个体能够
PDF4 months ago
基于注意力引导的蒙版自动编码器用于学习图像表示
利用注重对象的重建过程来指导复原能力的建议，通过在损失函数中利用场景的注意力图获取的注意力图，提供更多的重建相关对象的强调，从而激励模型学习更加注重对象的表示，同时通过改进的线性探测和 k-NN 分类在几个基准测试中展示出我们预训练模型具有
PDF4 months ago
对航空数据的计算机视觉分析的全面回顾
通过综合回顾计算机视觉任务，本文全面介绍了航空数据分析领域。主要关注对象检测、变化检测、对象分割和场景级分析等关键任务，并比较了不同架构和任务中使用的各种超参数。还对具有不同领域专业知识的库进行了深入讨论，包括航空数据集、采用的架构细节以及
PDF5 months ago
用 Cosserat Rods 模拟植物 - 机器人交互的 Gazebo 植物
机器人采摘对于农业生产率、成本降低、食品质量改善、可持续性提升以及解决劳动力短缺具有积极影响。本研究提出了基于 Cosserat 杆的 Gazebo 仿真平台插件，用于模拟植物运动，以克服传统物理引擎对于非刚性物体（如植物和庄稼）处理的局限
PDF5 months ago
视觉多专家中的路由器：实证研究
该研究文章通过对计算机视觉任务中的 MoEs 中路由器的全面研究，提出了一个统一的 MoE 公式，该公式涵盖了使用两个参数化路由张量的不同 MoEs（包括基于二进制或硬分配的稀疏 MoE 和基于加权组合的软分配的稀疏 MoE），并揭示了路由
PDF5 months ago
PanAf20K：野生猿类检测与行为识别的大型视频数据集
PanAf20K 数据集是迄今为止最大、最多样化的自然环境中大猩猩的开放视频数据集，涵盖了非洲热带地区的 18 个实地点的约 20,000 个照相机陷阱视频的 700 万多帧。该数据集的丰富注释和基准使其适用于训练和测试多种具有挑战性和生态
PDF5 months ago
IMProv: 基于修复的多模态计算机视觉任务解题
本研究提出了 IMProv - 一种生成模型，能够从多模态提示中进行上下文学习，以解决计算机视觉任务，并通过文本条件和数据集缩放来提高任务性能。
PDF7 months ago