-
基于跨模态元迁移,美图&大连理工的参考视频目标分割方法只需单阶段 ⭐️⭐️
- Abstract: 基于跨模态元迁移,美图&大连理工的参考视频目标分割方法只需单阶段
- Paper: You Only Infer Once: Cross-Modal Meta-Transfer for Referring Video Object Segmentation
- Tips: 该研究提出了一种跨模态元迁移的端到端 RVOS 框架 ——YOFO,只需单阶段推理,即可实现利用参考文本信息直接得到视频目标的分割结果;提出了一个元迁移(Meta-Transfer)模块来增强时序信息,从而实现了更聚焦于目标的特征学习;提出了一个多尺度跨模态特征挖掘(Multi-Scale Cross-Modal Feature Mining)模块,能够充分融合语言、图片中的有用特征。
-
3D车道线单目检测方法ONCE-3DLanes ⭐️⭐️
- Abstract: 3D车道线单目检测方法ONCE-3DLanes
- Paper: ONCE-3DLanes: Building Monocular 3D Lane Detection
- Code: https://github.com/once-3dlanes/once_3dlanes_benchmark
- Tips: 该文提出一个真实世界的自动驾驶数据集,ONCE-3DLanes,具有3-D空间的车道线布局标注。通过点云和图像像素之间的显式关系,文章设计了该数据集标注流水线,从211K个道路场景的2D车道线标注,自动生成高质量的3D车道线位置。此外,作者还提出一种无外参、无锚点的方法,称为SALAD,在图像视图中回归车道线的3D坐标,而无需将特征地图转换为BEV。
-
浙大提出神经3D重建新工作!收录图形学顶会SIGGRAPH 2022 ⭐️⭐️
- Abstract: 浙大提出神经3D重建新工作!收录图形学顶会SIGGRAPH 2022
- Paper: Neural 3D Reconstruction in the Wild
- Code: https://zju3dv.github.io/neuralrecon-w
- Tips: 这项研究的基本框架借鉴了NeurIPS 2021上的NeuS,一种把隐式神经标准和体积渲染结合起来的方法。考虑NeuS的一些不足,研究人员提出体素引导(Voxel-guided)和表面引导(Surface-guided)混合的新采样方法。
-
CVPR 2022 | 图森未来提出小目标检测工作QueryDet:使用级联稀疏query加速高分辨率下的小目标检测 ⭐️⭐️
- Abstract: 图森未来提出小目标检测工作QueryDet:使用级联稀疏query加速高分辨率下的小目标检测
- Paper: QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection
- Code: https://github.com/ChenhongyiYang/QueryDet-PyTorch
- Tips: QueryDet利用high-resolution feature来提升小目标检测性能的同时,通过CSQ机制,利用高层低分辨率特征初筛含有小目标的区域,在高分辨特征层上利用初筛获得的位置,使用sparse convolution,极大地节约了计算消耗。
-
Science:睡眠医学的突破,大脑会在梦境中巩固积极情绪 ⭐️⭐️
- Abstract: 睡眠医学的突破,大脑会在梦境中巩固积极情绪
- Paper: Paradoxical somatodendritic decoupling supports cortical plasticity during REM sleep
- Tips: 在这项研究中,科学家们发现大脑会在梦境睡眠中对情绪进行分类,并巩固积极情绪的储存,同时抑制消极情绪。研究人员表示,这项工作强调了睡眠在心理健康中的重要性,并开辟了新的治疗策略。
-
ACL 2022 | 蚂蚁、北大提出基于层次化对比学习的文本生成框架,提升支付宝搜索体验 ⭐️⭐️
- Abstract: 蚂蚁、北大提出基于层次化对比学习的文本生成框架,提升支付宝搜索体验
- Paper: Keywords and Instances: A Hierarchical Contrastive Learning Framework Unifying Hybrid Granularities for Text Generation
- Tips: 研究者提出了一种多粒度对比生成方法,设计了层次化对比结构,在不同层级上进行信息增强,在句子粒度上增强学习整体的语义,在词粒度上增强局部重要信息。