cvpr2023 第2页

TopNet-（CVPR2023）前背景图像合成

文章目录摘要引言算法架构结构损失函数实验数据集评估SOTA比较模型是否过拟合到修复区域泛化到真实图片消融实验讨论及结论限制参考文献论文：《TopNet:Transformer-basedObjectPlacementNetworkforImageCompositing》代码：暂未开源摘要作者调研自动放置目标到背景进行图像合成的问题。提供背景图、分割的目标，训练模型预测合理放置信息（位置及尺寸）。当

‘Atlas’·2023-12-01 04:38

邻里注意Transformer(CVPR2023）

NeighborhoodAttentionTransformer摘要1、介绍2、相关工作2.1新的卷积基线3、方法3.1邻居注意力3.2TiledNAandNATTEN3.3邻居注意力Transformer4、结论代码摘要我们提出邻居注意力(NA)，第一个有效和可伸缩的滑动窗口的视觉注意机制。NA是一种像素级的操作，将自我注意定位到最近的邻近像素上，因此与SA（自注意力）的二次复杂度相比，具有线性

毕竟是shy哥·2023-11-28 22:19

【最新】整理了CVPR 2023论文代码合集！

CVPR2023顶会论文接收结果出炉啦！CVPR2023主委会官方发布这次论文接收数据：有效投稿9155篇（比CVPR2022增加12%），收录2360篇，接收率为25.78%。

woshicver·2023-11-27 09:08

CVPR2023 多目标跟踪（MOT）汇总

LeiKeHenghuiDingMartinDanelljanFisherYuComputerVisionLab,ETHZurich论文链接：https://openaccess.thecvf.com/content/CVPR2023

藏晖·2023-11-27 09:04

CVPR 2023的Workshop汇总

作者|CV君编辑|极市平台点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群导读本文总结了本次CVPR2023的workshop以及征稿时间。

自动驾驶之心·2023-11-27 09:00

自动驾驶轨迹预测学习笔记

目录VectorNet：自动驾驶轨迹预测CVPR2023轨迹预测冠军方案QCNeXtVectorNet：自动驾驶轨迹预测VectorNet：自动驾驶轨迹预测-知乎CVPR2023轨迹预测冠军方案QCNeXtCVPR2023

AI视觉网奇·2023-11-27 00:19

论文阅读——DDeP（cvpr2023）

分割标签耗时且贵，所以常常使用预训练提高分割模型标签有效性，反正就是，需要一个预训练分割模型。典型的分割模型encoder部分通过分类任务预训练，decoder部分参数随机初始化。作者认为这个方法次优，尤其标签比较少的情况。于是提出可以和监督学习encoder结合的基于去噪denoising的decoder预训练方法。当标签少的时候这个方法表现很好，超过监督学习。所以整个方法就是，encoder在

じんじん·2023-11-26 14:23

论文阅读——Prophet（cvpr2023）

一、Framework这个模型分为两阶段：一是答案启发生成阶段（answerheuristicsgenerationstage），即在一个基于知识的VQA数据集上训练一个普通的VQA模型，产生两种类型的答案启发，答案候选列表和答案例子；二是启发增强提示阶段（heuristics-enhancedpromptingstage），即将答案启发、问题、描述融合为一个格式化的提示prompt，引导GPT-

じんじん·2023-11-26 14:53

【剪枝】torch-pruning的基本使用

论文：DepGraph:TowardsAnyStructuralPruning工程：https://github.com/VainF/Torch-Pruning算法和库的使用介绍：CVPR2023|DepGraph

magic_ll·2023-11-25 23:43

【论文合集】Semi-Supervised Semantic Segmentation

2023[CVPR2023]RevisitingWeak-to-StrongConsistencyinSemi-SupervisedSemanticSegmentation[Paper][Code][CVPR2023

m0_61899108·2023-11-24 20:22

RT-DETR算法优化改进：Backbone改进｜RIFormer：无需TokenMixer也能达成SOTA性能的极简ViT架构 | CVPR2023

本文独家改进：RIFormer助力RT-DETR，替换backbone，RIFormer-M36的吞吐量可达1185，同时精度高达82.6%；而PoolFormer-M36的吞吐量为109，精度为82.1%。推荐指数：五星RT-DETR魔术师专栏介绍：https://blog.csdn.net/m0_63774211/category_12497375.html✨✨✨魔改创新RT-DETR引入前沿

AI小怪兽·2023-11-22 04:54

深兰科技在CVPR2023挑战赛中再获佳绩

近日，被誉为全球计算机视觉三大顶级会议之一的CVPR2023在加拿大温哥华隆重举行。本次大会公布了多个研究项目的科研成果及相关参赛队伍的成绩，深兰团队在参赛的六个项目中取得了“一冠三亚二季”的好成绩。

深兰科技·2023-11-19 20:58

RT-DETR算法优化改进：一种新的partial卷积（PConv） |CVPR2023 FasterNet | 卷积变体大作战

本文改进：提出了一种新的partialconvolution（PConv），通过同时减少冗余计算和内存访问可以更有效地提取空间特征。1）放入NeckRepC3后面；RT-DETR魔术师专栏介绍：https://blog.csdn.net/m0_63774211/category_12497375.html✨✨✨魔改创新RT-DETR引入前沿顶会创新，助力RT-DETR基于ultralytics优化

AI小怪兽·2023-11-17 11:13

【图文】IRRA:跨模态隐式关系推理与对齐 | CVPR2023

详细内容指路zhihuCVPR2023|IRRA论文阅读摘要Text-to-imagePersonRetrieval的目的是根据给定的文本描述查询确定目标个体。主要的挑战是学习把视觉和文本模态映射到一个公共的潜在空间里。之前的工作尝试通过利用单模态分开预训练来提取图像和文本特征来解决这一挑战。然而这些方法缺乏有效匹配多模态数据所需的底层对齐能力。此外，这些方法利用先验信息来探索显式的部分对齐，这可

ca1m4n·2023-11-16 14:53

YOLOv8-Seg改进：卷积变体系列篇 | DCNv3可形变卷积基于DCNv2优化 | CVPR2023

本文改进：DCNv3算子，基于DCNv2算子引入共享投射权重、多组机制和采样点调制，引入到YOLOv8，与C2f结合实现二次创新；DCNv3亲测在多个数据集能够实现涨点，同样适用于小目标分割YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1）手把手教你如何训练YOLOv8-seg；2）模型创新，提升分割性能；

会AI的学姐·2023-11-14 15:34

YOLOv8-Seg改进：卷积变体系列篇 | SCConv（空间和通道重建卷积） | CVPR2023

本文改进：SCConv（空间和通道重建卷积），引入到YOLOv8，与C2f结合实现二次创新；SCConv亲测在多个数据集能够实现涨点YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1）手把手教你如何训练YOLOv8-seg；2）模型创新，提升分割性能；3）独家自研模块助力分割；1.SCConv介绍论文：

会AI的学姐·2023-11-14 15:34

YOLOv8-Seg改进：卷积变体系列篇 | PConv，减少冗余计算和内存访问可以更有效地提取空间特征 | CVPR2023 FasterNet

本文改进：PConv，减少冗余计算和内存访问可以更有效地提取空间特征，引入到YOLOv8，与C2f结合实现二次创新；PConv亲测在多个数据集能够实现涨点，同样适用于小目标分割YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1）手把手教你如何训练YOLOv8-seg；2）模型创新，提升分割性能；3）独家自研模

会AI的学姐·2023-11-14 15:04

智行破晓，驭未来航程！——经纬恒润智能驾驶数据闭环云平台OrienLink重磅来袭

年初，OpenAI的GPT崭露头角；6月，Tesla在CVPR2023上对WorldModel进行深度解读；8月，SIGGRAPH见证GH200、L40S显卡和ChatUSD的登场，FSDV12彰显端到端智能驾驶的实力

经纬恒润·2023-11-14 07:02

RT-DETR算法优化改进：一种新颖的动态稀疏注意力(BiLevelRoutingAttention) | CVPR2023

本文独家改进:提出了一种新颖的动态稀疏注意力(BiLevelRoutingAttention)，以实现更灵活的计算分配和内容感知，使其具备动态的查询感知稀疏性1）代替RepC3进行使用；2）BiLevelRoutingAttention直接作为注意力进行使用；推荐指数：五星RT-DETR魔术师专栏介绍：https://blog.csdn.net/m0_63774211/category_12497

AI小怪兽·2023-11-13 19:13

Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising 论文阅读笔记

CVPR2023的一篇哈工大发表的真实世界图像去噪的论文，代码开源，nice文章两大要点，一个是BNN一个是LAN。

ssf-yasuo·2023-11-12 18:30

Masked Image Training for Generalizable Deep Image Denoising 论文阅读笔记

CVPR2023港科大（广州）发的一篇denoising的论文，作者里面有上海AILab的董超老师（看introduction的时候看到有一段很像董超老师Networksareslachingoff的论文的思想

ssf-yasuo·2023-11-12 18:52

CVPR/SIGGRAPH/ICCV 2023 ——nerf ＜个人学习用＞记录

记录一个全的大型会议链接合集：CVFOpenAccess记录一个CVPR2023日程的网址：CVPR2023Schedule记录一个ICCV2023日程的网址：ICCV2023OpenAccessRepository

ZoneIan·2023-11-10 10:01

Zero-Shot 使用简单两层网络不用训练就能进行图像恢复

文章今天要分享的文章是CVPR2023比较有意思的一篇《Zero-ShotNoise2Noise:EfficientImageDenoisingwithoutanyData》，通过简单的两层网络，并且不需要数据训练直接进行图像恢复代码

Alex抱着爆米花·2023-11-09 15:40

论文阅读——InternImage（cvpr2023）

arxiv：https://arxiv.org/abs/2211.05778github：https://github.com/OpenGVLab/InternImage一、介绍大部分大模型都是基于transformer的，本文是一个基于CNN的视觉基础模型。使用可变性卷积deformableconvolution作为核心操作，使得模型有大的有效的感受野和自适应的空间集合。稍微改动了一下defor

じんじん·2023-11-09 06:58

论文阅读——Detection Hub（cvpr2023）

DetectionHub:UnifyingObjectDetectionDatasetsviaQueryAdaptationonLanguageEmbedding一、要解决的问题大规模数据集可以提高模型性能，但是当训练多类别单一模型时，大规模数据集不能用在目标检测任务上，因为两个困难：类别和框标注不一致。就是说，目标检测数据集，没有统一的大规模数据，一来即使类别相似概念每个数据集标注的类别结果可能

じんじん·2023-11-09 06:58

针对目标重识别的大规模训练集搜索：Large-scale Training Data Search for Object Re-identification

本文介绍一篇发表于CVPR2023的论文《Large-scaleTrainingDataSearchforObjectRe-identification》。

学术菜鸟小晨·2023-11-09 05:22

卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完。

机器学习与AI生成创作·2023-11-07 19:49

2023（cpvr+顶刊）三维重建论文汇总（持续更新）

DistillingView-conditionedDiffusionfor3DReconstruction（SparseFusion：用于三维重建的提取视图条件扩散）论文链接：https://openaccess.thecvf.com/content/CVPR2023

ccc反正很菜·2023-11-07 08:51

CLIP Surgery论文阅读

CLIPSurgeryforBetterExplainabilitywithEnhancementinOpen-VocabularyTasks（CVPR2023）M=norm⁡(resize⁡(reshape⁡

B1CK·2023-11-07 00:34

YOLOv8-Seg改进：动态稀疏注意力（BiLevelRoutingAttention）助力分割 | CVPR2023

本文改进：动态稀疏注意力（BiLevelRoutingAttention），实现更灵活的计算分配和内容感知，使其具备动态的查询感知稀疏性，引入到YOLOv8-Seg任务中，1）与C2f结合实现二次创新；2）注意力机制使用；BiLevelRoutingAttention亲测在番薯破损分割任务中，[email protected]从原始的0.625提升至0.662YOLOv8-seg创新专栏：http://t.c

会AI的学姐·2023-11-06 03:59

论文阅读—— CEASC（cvpr2023）

arxiv：https://arxiv.org/abs/2303.14488github：https://github.com/Cuogeihong/CEASC为了进一步减轻SC中的信息损失，使训练过程更加稳定，我们在训练过程中除了稀疏卷积之外，还保持了正常的密集卷积，生成了在全输入特征图上卷积的特征图。然后，我们使用来通过将MSE损失优化为来增强稀疏特征图

じんじん·2023-11-06 02:56

论文阅读—— UniDetector（cvpr2023）

arxiv：https://arxiv.org/abs/2303.11749github：https://github.com/zhenyuw16/UniDetector一、介绍通用目标检测旨在检测场景那种的一切目标。现有的检测器依赖于大量数据集通用的目标检测器应该有两个能力：1、可以利用多种来源的图片和标签训练2、可以很好的泛化到开放世界，对于没见过的类别也可以预测。传统的目标检测，rcnn系列

じんじん·2023-11-06 02:55

(cvpr2023)

论文：https://openaccess.thecvf.com/content/CVPR2023/papers/Chowdhury_What_Can_Human_Sketches_Do_for_Object_Detection_CVPR

じんじん·2023-11-06 02:53

CVPR2023 目标检测论文合集

AMiner通过AI技术，对CVPR2023收录的会议论文进行了分类整理，今日分

AMiner学术搜索和科技情报挖掘·2023-11-06 02:53

论文阅读—— BiFormer(cvpr2023)

论文：https://arxiv.org/abs/2303.08810github：GitHub-rayleizhu/BiFormer:[CVPR2023]Officialcodereleaseofourpaper"BiFormer

じんじん·2023-11-05 09:53

Run, Don‘t Walk: Chasing Higher FLOPS for Faster Neural Networks（CVPR2023）

文章目录AbstractIntroduction过去工作存在的不足我们的工作主要贡献（待参考）RelatedworkCNNViT,MLP,andvariantsDesignofPConvandFasterNetPreliminaryPartialconvolutionasabasicoperatorPConvfollowedbyPWConvFasterNetasageneralbackboneEx

怎么全是重名·2023-11-04 02:35

【CVPR 2023的AIGC应用汇总(4)】图像恢复，基于GAN生成对抗/diffusion扩散模型方法...

【CVPR2023的AIGC应用汇总(1)】图像转换/翻译，基于GAN生成对抗/diffusion扩散模型方法【CVPR2023的AIGC应用汇总(2)】可控文生图，基于diffusion扩散模型/GAN

机器学习与AI生成创作·2023-11-03 10:25

[迁移学习]UniDAformer域自适应全景分割网络

原文的标题为：UniDAformer:UnifiedDomainAdaptivePanopticSegmentationTransformerviaHierarchicalMaskCalibration，发表于CVPR2023

ViperL1·2023-11-02 12:07

[迁移学习]DA-DETR基于信息融合的自适应检测模型

原文标题为：DA-DETR:DomainAdaptiveDetectionTransformerwithInformationFusion；发表于CVPR2023一、概述本文所描述的模型基于DETR，DETR

ViperL1·2023-11-02 11:01

YOLOv8改进之C2f模块融合CVPR2023 SCConv

目录1.SCConvSCConv模块的设计SCConv模块的性能2.YOLOv8C2f融合SCConv模块1.SCConv卷积在各种计算机视觉任务中表现出色，但是由于卷积层提取冗余特征，其计算资源需求巨大。虽然过去用于改善网络效率的各种模型压缩策略和网络设计，包括网络剪枝、权重量化、低秩分解和知识蒸馏等。然而，这些方法都被视为后处理步骤，因此它们的性能通常受到给定初始模型的上限约束。而网络设计另辟

山河亦问安·2023-11-01 13:33

CVPR 2023 医学图像分割论文大盘点

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【医学图像分割】微信交流群被催了很久，CVer正式开启CVPR2023论文大盘点系列！

Amusi（CVer）·2023-10-30 17:11

论文阅读：Rethinking the Learning Paradigm for Dynamic Facial Expression Recognition【CVPR2023】

研究方法方法概述具体方法三维实例生成实例特征提取动态长期实例聚合实现细节讨论可改进的地方相关概念多实例学习R3D18网络SN可微分学习的自适配归一化论文：https://openaccess.thecvf.com/content/CVPR2023

卡拉比丘流形·2023-10-30 08:34

CVPR2023 即插即用 SCConv (附代码)

论文地址：SSCONV代码地址：https://github.com/cheng-haha/ScConv1.是什么？SCConv是一种高效的卷积模块，用于压缩卷积神经网络中的冗余特征，以减少计算负荷并提高模型性能。它由空间重构单元(SRU)和信道重构单元(CRU)两个单元组成，SRU用于抑制空间冗余，CRU用于减少信道冗余。SCConv可以直接用于替代各种卷积神经网络中的标准卷积，是一种即插即用的

无妄无望·2023-10-29 19:41

【CVPR 2023】Diffusion Models高分辨率长视频生成 Align your Latents

DiffusionModels专栏文章汇总：入门与实战前言：CVPR2023年的工作《AlignyourLatents:High-ResolutionVideoSynthesiswithLatentDiffusionModels

沉迷单车的追风少年·2023-10-28 21:13

CVPR2023新作：文本监督下语义分割

Title:ASimpleFrameworkforText-SupervisedSemanticSegmentation(文本监督下语义分割的简单框架)Affiliation:上海交通大学计算机科学与工程系,MoEKeyLabofArtiﬁcialIntelligence,AIInstitute(中国上海交通大学计算机科学与工程系,AI研究所)Authors:MuyangYi,QuanCui,Ha

upDiff·2023-10-27 04:33

CVPR2023新作：基于组合空时位移的视频修复

Title:ASimpleBaselineforVideoRestorationWithGroupedSpatial-TemporalShift(视频修复的简单基准：组合空时位移)Affiliation:CUHKMMLab(香港中文大学多媒体实验室)Authors:DasongLi,XiaoyuShi,YiZhang,KaChunCheung,SimonSee,XiaogangWang,Hongw

upDiff·2023-10-27 04:02

[卷积神经网络]FasterNet论文解析

一、概述FasterNet是CVPR2023的文章，通过使用全新的部分卷积PConv，更高效的提取空间信息，同时削减冗余计算和内存访问，效果非常明显。

ViperL1·2023-10-26 05:33

NLP年终盘点！2023年顶会论文合集(含ACL、EMNLP、NAACL、AAAI等）

我花了3个月的时间整理了包括CVPR2023、ECCV2023、ICML2023、ICLR2023、NeurIPS2023、ACL2023、EMNLP2023、AAAI2023、WWW2023等顶会在内的超过

zenRRan·2023-10-24 10:38

图像分割人脸分割CVPR2023笔记

目录cvpr2023的分割轻量级语义分割DFNetICNetBiSeNets人脸分割：M2SNet创新点损失函数：LossN

AI视觉网奇·2023-10-24 06:50

CVPR2023优秀论文 | AIGC伪造图像鉴别算法泛化性缺失问题分析

作者|搜索内容技术部导读深度伪造检测算法无法检出未知伪造算法生成的攻击数据。以往算法采取手动建模伪造特征的方式提升模型泛化性，然而这种方式限制了算法可行域，影响了模型泛化性进一步提升，同时这类方法参数量巨大，无法满足工业实时检测要求。本文发现过往采取二分类训练检测算法的方式，使模型过多关注了样本中的用户身份信息，从而导致深伪检测模型无法检出未知伪造数据，我们称其为“隐式的身份泄漏现象”。为解决此问

百度Geek说·2023-10-23 15:34

推荐频道

cvpr2023