摘要： 前言 基于YOLO的目标检测算法在速度和准确性之间取得了显著的平衡。然而，它们在脑肿瘤检测中的应用仍然未被充分探索。本研究提出了RepVGG-GELAN，这是一种新型的YOLO架构，通过集成RepVGG，一种重新参数化的卷积方法，特别关注于医学图像中的脑肿瘤检测。RepVGG-GELAN利用RepV 阅读全文

摘要： 前言 最近OCC的综述很多，这两天arxiv上又挂出来一篇，从信息融合的角度全面回顾了占用网络的相关工作，值得一看！ 本文转载自自动驾驶之心 仅用于学术分享，若侵权请联系删除 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。 CV方向的准研究生们，未 阅读全文

摘要： 前言 本文介绍了一些Transformers常用的加速策略。 本文转载自Deephub Imba 仅用于学术分享，若侵权请联系删除 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。 CV方向的准研究生们，未来三年如何度过？ 招聘高光谱图像、语义分割、 阅读全文

摘要： 前言 本文将详细介绍了BiTCN，这是2023年3月在《Parameter-efficient deep probabilistic forecasting》一文中提出的模型。通过利用两个时间卷积网络(TCN)，该模型可以编码过去和未来的协变量，同时保持计算效率。 作者：Marco Peixeiro 阅读全文

摘要： 前言 LSTM：这次重生，我要夺回 Transformer 拿走的一切。 本文转载自新智元 仅用于学术分享，若侵权请联系删除 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。 CV方向的准研究生们，未来三年如何度过？ 招聘高光谱图像、语义分割、dif 阅读全文

摘要： 前言 近日，北大、斯坦福、以及Pika Labs发布了新的开源文生图框架，利用多模态LLM的能力成功解决文生图两大难题，表现超越SDXL和DALL·E 3。 本文转载自新智元 仅用于学术分享，若侵权请联系删除 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 阅读全文

摘要： 前言 视觉语言模型屡屡出现新突破，但ViT仍是图像编码器的首选网络结构。字节提出新基础模型——ViTamin，专为视觉语言时代设计。 本文转载自量子位（QbitAI） 仅用于学术分享，若侵权请联系删除 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。 阅读全文

摘要： 前言 本文没有动机在注意力机制内寻求创新。相反，它专注于在点云处理的背景下克服现有的准确性和效率之间的权衡，利用scale的力量。从3D大规模表示学习的最新进展中汲取灵感，我们认识到模型性能更多地受到规模的影响，而不是复杂设计的影响。因此，本文提出了Point TransformerV3（PTv3） 阅读全文

摘要： 前言 MQA 是 19 年提出的一种新的 Attention 机制，其能够在保证模型效果的同时加快 decoder 生成 token 的速度。在大语言模型时代被广泛使用，很多LLM都采用了MQA，如Falcon、PaLM、StarCoder等。 本文转载自Deephub Imba 作者：Floria 阅读全文

摘要： 前言 为了解决基于深度学习方法泛化性的问题，来自厦门大学、Intel、大疆的研究者们提出了 GIM: Learning Generalizable Image Matcher from Internet Videos。GIM 是第一个可以让匹配模型从互联网视频中学习到强泛化能力的训练框架。 本文转载 阅读全文