nick-algorithmer

摘要： ​引子 前阵子写了一篇Open-Sora1.0环境搭建&推理测试（Open-Sora1.0环境搭建&推理测试_自己搭建sora服务-CSDN博客，感兴趣的童鞋，请移步）。Open-Sora1.1发布的时候，撇了一眼新闻。后面一转头，忘记这个事情了。无意间翻到其开源网站上，发现2024.6.17发布1 阅读全文

摘要： ​引子 U-Net的鼎鼎大名，我觉得无需我多言了。图像分割和扩散概率模型的基石。作者探索了KANs在改进视觉任务 Backbone 网络方面的未开发潜力。作者研究、修改并重新设计已建立的U-Net Pipeline ，通过在标记化的中间表示上整合专用的KAN层，称之为U-KAN。严格的医学图像分割基 阅读全文

摘要： ​引子 基于单目摄像头的深度估计，一直是CV领域的一个难点，之前也对此关注也不够多。偶然浏览技术博客，看到Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data这个最新CVPR2024的工作。看到名字，大概也能猜出来这篇是 阅读全文

摘要： 引子 最近在关注多模态大模型，之前4月份的时候关注过CogVLM（https://blog.csdn.net/zzq1989_/article/details/138337071?spm=1001.2014.3001.5501）。模型整体表现还不错，不过不支持中文。智谱AI刚刚开源了GLM-4大模型 阅读全文

摘要： ​引子 最近看新闻博客说零一科技的Yi-VL-Plus视觉大模型效果很不错，那就想着尝尝鲜。这是第四篇关于视觉大模型的博客。之前有写过一篇零一科技的chat大模型零一科技Yi-34B Chat大模型环境搭建&推理_python部署大模型yi-34b-chat-CSDN博客，感兴趣的童鞋可以移步。我个 阅读全文

摘要： ​引子 两个多月前YOLOv9发布（感兴趣的童鞋可以移步YOLOv9环境搭建&推理测试_yolov9安装-CSDN博客），这才过去这么短的时间，YOLOv10就横空出世了。现在YOLO系列搞得就和追剧一样了。。。OK，那就让我们开始吧。 一、模型介绍 1、作者提出了一种新颖的一致性双重分配策略，用于 阅读全文

摘要： ​引子 最近鹅厂竟然开源了一个多模态的大模型，之前分享福报厂的多模态视觉大模型（Qwen-VL环境搭建&推理测试-CSDN博客）感兴趣的可以移步。鹅厂开源的，我还是头一回部署。好的，那就让我们看看这个多模态视觉大模型有什么特点吧，首先它说它是汉英双语DiT模型，嗯，这个时候必须再次吐槽下智谱开源的C 阅读全文

摘要： 引子 记得2015年左右，去参加VALSE的时候，就有虚拟试衣的项目亮相。现在回头看看，当时的效果还是十分简陋和不协调的。今天在全球最大的同性交友网站github上突然发现一个不错的虚拟试衣项目，看其效果还是不错，加入了扩散模型，效果看起来有质的提升。OK，让我们开始吧。 一、模型介绍 论文名称：  阅读全文

摘要： 引子 这几天阿里的Qwen2.5大模型在大模型圈引起了轰动，号称地表最强中文大模型。前面几篇也写了QWen的微调等，视觉语言模型也写了一篇CogVLM，感兴趣的小伙伴可以移步https://blog.csdn.net/zzq1989_/article/details/138118608?spm=10 阅读全文

摘要： 一、引子 CV做了这么多年，大多是在固定的数据集上训练，微调，测试。突然想起来一句话，I have a dream！就是能不能不用再固定训练集上捣腾，也就是所谓的开放词汇目标检测（OVD）。偶尔翻翻AI新闻，发现现在CV领域有在卷开集目标检测的趋势。刚好翻到，YOLO-World这一开源项目。OK， 阅读全文