吴建明wujianming

2024年12月14日

摘要：用于大规模单像素成像的双尺度变换器单像素成像（SPI）是一种潜在的计算成像技术，通过解决单像素探测器捕获的少量测量值中的病态重建问题来产生图像。深度学习在SPI重构方面取得了令人瞩目的成功。然而，之前较差的重建性能和不切实际的成像模型，限制了其在现实世界中的应用。提出了一种基于Kronecker 阅读全文

posted @ 2024-12-14 04:13 吴建明wujianming 阅读(76) 评论(0) 推荐(0)

CycleINR：任意尺度医学数据三维超分辨率的循环隐式神经表示

摘要： CycleINR：任意尺度医学数据三维超分辨率的循环隐式神经表示在医学3D数据领域，如CT和MRI图像，普遍的各向异性分辨率的特点是层内分辨率高，但层间分辨率低。相邻切片之间的分辨率降低带来了挑战，阻碍了最佳的观看体验，并阻碍了稳健的下游分析算法的发展。各种体积超分辨率算法旨在克服这些挑战，提高切阅读全文

posted @ 2024-12-14 04:10 吴建明wujianming 阅读(172) 评论(0) 推荐(0)

2024年12月1日

深度视频压缩的任务感知编码器控制

摘要：深度视频压缩的任务感知编码器控制先前对机器任务的深度视频压缩（DVC）的研究，通常需要为每个特定任务训练一个唯一的编解码器，并要求每个任务都有一个专用的解码器。相比之下，传统的视频编解码器采用灵活的编码器控制器，通过模式预测等机制使单个编解码器能够适应不同的任务。从中汲取灵感，介绍了一种用于机器深阅读全文

posted @ 2024-12-01 18:40 吴建明wujianming 阅读(56) 评论(0) 推荐(0)

MonoCD：具有互补深度的单眼3D物体检测

摘要： MonoCD：具有互补深度的单眼3D物体检测单眼3D对象检测因其能够以低成本，从单个图像中准确获得对象3D定位，而引起了广泛关注。由于2D到3D映射的不适定性，深度估计是单目3D对象检测的一个重要，但具有挑战性的子任务。许多方法探索多个局部深度线索，如物体高度和关键点，然后将物体深度估计公式化为多阅读全文

posted @ 2024-12-01 18:39 吴建明wujianming 阅读(87) 评论(0) 推荐(0)

超越图像超分辨率的任务驱动感知损失图像识别

摘要：超越图像超分辨率的任务驱动感知损失图像识别在实际场景中，由于低分辨率（LR）内容中缺乏可用信息，图像识别任务（如语义分割和对象检测）通常会带来更大的挑战。图像超分辨率（SR）是解决这些挑战的有前景的解决方案之一。然而，由于SR的病态特性，典型的SR方法很难恢复与任务相关的高频内容，这可能会削弱使用阅读全文

posted @ 2024-12-01 18:38 吴建明wujianming 阅读(43) 评论(0) 推荐(0)

ECLIPSE：通过视觉提示调整进行泛视分割的有效连续学习

摘要： ECLIPSE：通过视觉提示调整进行泛视分割的有效连续学习泛视分割结合了语义分割和实例分割，是一项前沿的计算机视觉任务。尽管最近在深度学习模型方面取得了进展，但现实世界应用程序的动态特性需要持续学习，其中模型随着时间的推移适应新类（可塑性），而不会忘记旧类（灾难性遗忘）。当前的连续分割方法通常依赖阅读全文

posted @ 2024-12-01 18:14 吴建明wujianming 阅读(37) 评论(0) 推荐(0)

《智能汽车传感器：原理·设计·应用》新书推荐

摘要：《智能汽车传感器：原理·设计·应用》新书推荐由化学工业出版社资深编辑张海丽老师负责策划编辑。本书在京东、淘宝天猫、当当网上均有销售京东：https://search.jd.com/Search?keyword=%E6%99%BA%E8%83%BD%E6%B1%BD%E8%BD%A6%E4%BC 阅读全文

posted @ 2024-12-01 18:04 吴建明wujianming 阅读(97) 评论(0) 推荐(0)

UniDepth：通用单目度量深度估计

摘要： UniDepth：通用单目度量深度估计精确的单目度量深度估计（MMDE）对于解决3D感知和建模中的下游任务至关重要。然而，最近MMDE方法的显著准确性与其训练领域不符。即使存在适度的域间隙，这些方法也无法推广到看不见的域，这阻碍了它们的实际应用。提出了一种新的模型UniDepth，能够从单个图像跨阅读全文

posted @ 2024-12-01 04:58 吴建明wujianming 阅读(350) 评论(0) 推荐(0)

2024年11月30日

语言能打败数值回归吗？基于语言的多模态轨迹预测

摘要：语言能打败数值回归吗？基于语言的多模态轨迹预测语言模型在语境理解和生成表现方面表现出了令人印象深刻的能力。受语言基础模型最近成功的启发，提出了LMTraj（基于语言的多模态轨迹预测器），它将轨迹预测任务转化为一种问答问题。与将轨迹坐标序列视为连续信号的传统数值回归模型不同，将其视为文本提示等离散信阅读全文

posted @ 2024-11-30 05:05 吴建明wujianming 阅读(46) 评论(0) 推荐(0)

通过变化先验和条件扩散模型实现基于参考的超分辨率

摘要：通过变化先验和条件扩散模型实现基于参考的超分辨率基于参考的超分辨率（RefSR）有可能在遥感图像的空间和时间分辨率之间架起桥梁。然而，现有的RefSR方法受到内容重建的忠实性和大尺度因子下纹理转移有效性的限制。条件扩散模型为生成逼真的高分辨率图像开辟了新的机会，但在这些模型中有效利用参考图像仍然是阅读全文

posted @ 2024-11-30 05:01 吴建明wujianming 阅读(136) 评论(0) 推荐(0)

吴建明

微信视频号：sph0RgSyDYV47z6 快手号：4874645212 抖音号：dy0so323fq2w 小红书号：95619019828 B站1：UID:3546863642871878 B站2：UID: 3546955410049087

公告