摘要： 前言 简单的任务，传统的Transformer却错误率极高。Meta FAIR团队重磅推出多token注意力机制（MTA ），精准捕捉复杂信息，带来模型性能飞升！ 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 本文转载自新智元 仅用于学术分享，若 阅读全文

摘要： 前言 本文提出了GleSAM，它利用生成式潜在空间增强来提高对低质量图像的鲁棒性，从而实现对各种图像质量的泛化。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 本文转载自群函数 仅用于学术分享，若侵权请联系删除 CV方向的准研究生们，未来三年如何 阅读全文

摘要： 前言 本文提出了一种新的轻量级卷积神经网络（CNN）架构DSAN，通过设计可变形条形卷积Deformable Strip Convolution（DSCN）和可变形空间注意力Deformable Spatial Attention（DSA），解决了DCNv3在轻量级CNN中因稀疏采样导致性能不足的问 阅读全文

摘要： 前言 本文将深入探讨模型量化的原理、主要量化技术类型以及如何使用PyTorch实现这些技术。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 本文转载自Deephub Imba 仅用于学术分享，若侵权请联系删除 CV方向的准研究生们，未来三年如何度 阅读全文

摘要： 前言 360人工智能研究院最新图文跨模态模型FG-CLIP，宣布以“长文本深度理解”和“细粒度视觉比对”双突破，彻底解决了传统CLIP模型的“视觉近视”问题，能够精准识别局部细节。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 本文转载自量子位 阅读全文

摘要： 前言 本文介绍一种完全无需重新训练模型的视频生成加速方法。通过挖掘注意力机制中的空间与时间稀疏性，配合自适应稀疏选择与算子优化，成功将推理时间减半。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 本文转载自机器之心 仅用于学术分享，若侵权请联系删 阅读全文

摘要： 前言 清华大学、北京大学联合微软亚洲研究院提出了PMP-based Data Selection（PDS）方法，首次将数据选择建模为最优控制问题，基于庞特里亚金最大值原理（PMP）推导出理论条件，明确了“哪些数据更值得学”。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典 阅读全文

摘要： 前言 多模态大模型在视觉理解领域取得突破的同时，其推理效率受限于动态解码过程带来的计算与显存压力。传统方法聚焦预填充阶段的视觉token压缩，却在解码阶段因文本序列增长而逐渐失效。为此，研究团队提出Dynamic-LLaVA动态优化框架，首创跨阶段协同加速机制。 欢迎关注公众号CV技术指南，专注于计 阅读全文

摘要： 前言 本文提出了一种用于图像恢复的双域条带注意力机制（Dual-domain strip attention mechanism），通过增强表示学习来提升图像恢复任务的性能。该机制由空间条带注意力单元和频率条带注意力单元组成，能够有效处理不同尺寸的退化问题，并在12个不同数据集上实现了四种图像恢复任 阅读全文

摘要： 前言 仅在ImageNet-1K的1.2M图像上训练就可以在多项任务上达到跟别人所提供的预训练模型相当的性能。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 本文转载自极市平台 仅用于学术分享，若侵权请联系删除 CV方向的准研究生们，未来三年如何 阅读全文