fariver

摘要： BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers link 时间：22.07 机构：Nanjing University && Sha 阅读全文

摘要： PETR: Position Embedding Transformation for Multi-View 3D Object Detection PETR: Position Embedding Transformation for Multi-View 3D Object Detection 阅读全文

摘要： BEVDet: High-Performance Multi-Camera 3D Object Detection in Bird-Eye-View BEVDet 时间：21/12 机构：PhiGo(鉴智机器人) TL;DR 一种BEV空间做detection的方法，构建了新颖的数据增强方法以及更新 阅读全文

摘要： OFT Orthographic Feature Transform for Monocular 3D Object Detection OFT Orthographic Feature Transform for Monocular 3D Object Detection 时间：18.11 机构： 阅读全文

摘要： 名称 Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D 时间：20.08 机构：NVIDIA TL;DR 后融合方法将每一目感知结果通过相机参数转换到BEV空 阅读全文

摘要： 名称 DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries 时间：21.10 机构：mit/CMU/Stanford TL;DR 一种利用Transformer做E2E的3D目标检测方法，在nuScenes自动 阅读全文

摘要： 名称 End-to-End Object Detection with Transformers 时间：20.05 机构：Facebook AI TL;DR 文章提出一种称为DETR(Detection Transformer)的基于Transformer的检测器，相比于传统检测器不需要NMS以及a 阅读全文

摘要： 名称 link [VQ-GAN](Taming Transformers for High-Resolution Image Synthesis) 时间：CVPR2021 oral 21.06 机构：Heidelberg Collaboratory for Image Processing, IWR 阅读全文

摘要： LVM: Sequential Modeling Enables Scalable Learning for Large Vision Models LVM: Sequential Modeling Enables Scalable Learning for Large Vision Models 阅读全文

摘要： 名称 KOSMOS: Language Is Not All You Need: Aligning Perception with Language Models 时间：23.05 机构：Microsoft TL;DR 一种输入多模型信息的大语言模型，作者称之为多模型大语言模型(MLLM)，可以图多 阅读全文