摘要： 【NeurIPS2022】Cross Aggregation Transformer for Image Restoration **研究动机：**当前方法 Transformer 方法把图像分成8x8的小块处理，the square window lacks inter-window intera 阅读全文

摘要： 作者认为，交互复杂性是视觉识别一个重要特点。为此，作者通过复杂特征交互构建了一个纯卷积的网络 MogaNet 用于图像识别。MogaNet的整体框架如下图所示，架构和一般的 Transformer 网络非常类似，核心包括两个模块：spatial aggregation （取代注意力） 和 chann 阅读全文

摘要： 【CVPR2022】Detecting Camouflaged Object in Frequency Domain 论文有一个非官方的实现：https://github.com/VisibleShadow/Implementation-of-Detecting-Camouflaged-Object- 阅读全文

摘要： 【NeurIPS2022】ScalableViT: Rethinking the Context-oriented Generalization of Vision Transformer 这篇论文来自清华大学深圳研究生院和字节跳动。 从Swin开始，attention一般都包括局部 window 阅读全文

摘要： 这个论文的核心贡献是提出了一种新的注意力机制 HiLo（High / Low frequency）。如下图所示，在上面部分，分配了 $1-\alpha$ 比例的 head 用于提取高频注意力，下面分配了 $\alpha$ 比例的 head 用于提取低频注意力。 高频注意力： 在2x2的窗口中计算 a 阅读全文

摘要： 【ECCV2022】DaViT: Dual Attention Vision Transformers 代码：https://github.com/dingmyu/davit 这个论文想法很自然也容易想到。Transformer都是在处理 PxC 二维的数据，其中 P 是token 的数量，C是特征 阅读全文

摘要： 【ARXIV2207】LightViT: Towards Light-Weight Convolution-Free Vision Transformers 论文地址：https://arxiv.org/abs/2207.05557 代码地址：https://github.com/hunto/Lig 阅读全文

摘要： 1、Motivation 这个论文来自于清华大学鲁继文老师团队，核心是 attention 和 MLP-mixer 思想的结合。 建议用2分钟时间学习一下谷歌公司的 MLP-Mixer 「MLP-Mixer: An all-MLP Architecture for Vision」CVPR 2021 阅读全文

摘要： 用5分钟时间学习一下谷歌公司的 MLP-Mixer 「MLP-Mixer: An all-MLP Architecture for Vision」CVPR 2021 CNN以及 attention 在视觉任务上取得非常好的性能，但是我们真的需要这么复杂的网络结构吗？MLP 这种简单的结构是否也能够取 阅读全文

摘要： 【ACMMM 2022】Depth-inspired Label Mining for Unsupervised RGB-D Salient Object Detection 代码：https://github.com/youngtboy/DLM 这篇论文主要是利用无监督的思想，来解决RGBD显著性 阅读全文

摘要： 【ACMMM 2022】Learning Hierarchical Dynamics with Spatial Adjacency for Image Enhancement 代码：https://github.com/DongLiangSXU/HDM 该论文的研究动机：近年来动态网络非常流行，因此 阅读全文

摘要： 【ACMMM2022】Structure-Inferred Bi-level Model for Underwater Image Enhancement 代码：https://github.com/IntegralCoCo/SIBM （暂未开源） 该论文提出了一个 Structural-Infer 阅读全文

摘要： 【NeurIPS 2022】SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation 代码：https://github.com/Visual-Attention-Network/SegNeXt 1、研究 阅读全文

摘要： 【MM2021】Cross-modality Discrepant Interaction Network for RGB-D Salient Object Detection 代码： https:// rmcong.github.io/proj_CDINet.html 1、研究动机 这是来自北京交 阅读全文

摘要： 【CVPR2022】NFormer: Robust Person Re-identification with Neighbor Transformer 代码：https://github.com/haochenheheda/NFormer 1、研究动机 这是一个来自 Amsterdam 大学 和 阅读全文

摘要： 【CVPR2022】Beyond Fixation: Dynamic Window Visual Transformer 论文：https://arxiv.org/abs/2203.12856 代码：https://github.com/pzhren/DW-ViT 个人感觉，这个论文的 idea 部 阅读全文

摘要： 【CVPR2022】CSWin Transformer: A General Vision Transformer Backbone with Cross-Shaped Windows 论文：https://arxiv.org/abs/2107.00652 代码：https://github.com 阅读全文

摘要： 【CVPR2022】AdaViT: Adaptive Vision Transformers for Efficient Image 链接：Recognitionhttps://openaccess.thecvf.com/content/CVPR2022/papers/Meng_AdaViT_Ada 阅读全文

摘要： 部分配色从知乎 marsggbo 的文章转载，同时本文也会不断更新。一个好的配色某种程度上能把翔一样的论文雕出花来，这里做个总结分享。 TIPS：想使用哪个颜色了，可以粘贴到PPT里，用吸管取色。或者用QQ截图，也能得到颜色的具体RGB值。个人感觉配色方案不需要太多，有三、五种供选择完全足够了。 论 阅读全文

摘要： 【CVPR2022】BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning 论文：https://arxiv.org/pdf/2203.01522.pdf 代码：https:// 阅读全文

摘要： 【ARXIV2207】HorNet: Efficient High-Order Spatial Interactions with Recursive Gated Convolutions 论文地址：https://hornet.ivg-research.xyz 代码地址：https://githu 阅读全文

摘要： 【CVPR2022】LAVT: Language-Aware Vision Transformer for Referring Image Segmentation 论文地址：https://arxiv.org/abs/2112.02244 代码地址：https://github.com/yz93/ 阅读全文

摘要： 论文：https://arxiv.org/abs/2207.02255 论文中文版：https://dengpingfan.github.io/papers/%5B2022%5D%5BECCV%5DOSFormer_Chinese.pdf 代码：https://github.com/PJLallen 阅读全文

摘要： 【ARXIV2205】Inception Transformer 论文：https://arxiv.org/abs/2205.12956 代码：https://github.com/sail-sg/iFormer 1、研究动机 这个论文的核心思想仍然是：把 attention 和 CNN 相结合（谷 阅读全文

摘要： 【CVPR2022】Multi-Scale High-Resolution Vision Transformer for Semantic Segmentation 代码：https://github.com/facebookresearch/HRViT 核心思想和主要方法 这个论文的核心思想就是将 阅读全文