- 博客(276)
- 收藏
- 关注
RSS订阅原创 All in One | X-AnyLabeling v2.0.0 全自动标注工具强势登场，全新功能亮相，欢迎体验升级
X-AnyLalbeing 中同样提供了丰富的快捷键，极大提升标注效率。大家可根据自己的习惯通过修改当前设备的用户根目录下的#Linux#Windows默认的快捷键设置可以参考 github 主页示意图。对于中已提供的内置模型，可参考以下操作：创建配置文件进入项目工程，查看所需的配置文件查看配置文件配置文件需要遵循以下格式，以stride: 32classes:- person- bicycle- car...
2023-11-16 14:16:29
1601
1
原创 CFINet：小目标检测新思路
特别地，已知的问题是先验框与目标区域之间的重叠较低，导致了优化的样本池受限，而区分性信息的匮乏进一步加剧了识别问题。然后，通过在传统的检测头部引入了一个特征模仿（FI）分支，以一种模仿的方式促进困扰模型的尺寸受限实例的区域表示。，这是一个针对小目标检测的两阶段框架，基于由粗到细的流程和特征模仿学习。首先，作者引入了粗到细RPN（CRPN），通过动态锚点选择策略和级联回归来确保小物体的足够高质量的。或相似性学习来缩小小物体与大物体之间的表示差距，但这些方法忽略了高质量与大尺寸、小尺寸与低质量之间的区别。
2023-11-04 23:19:30
392
原创 ICCV 2023 | 克服域差异：基于事件相机的自监督预训练策略
论文：《Event Camera Data Pre-training》链接：https://arxiv.org/abs/2301.01928代码：https://github.com/Yan98/Event-Camera-Data-Pre-training。
2023-11-04 23:18:27
197
原创 ICCV 2023 | 字节跳动 PICO 智能创作团队最新XR/VR研究工作分享
在不断发展的人工智能（AI）领域中，数据一直被视为最宝贵的资源之一。数据驱动的AI正以前所未有的方式塑造着未来，尤其在XR（扩展现实）领域，其中硬件和算法快速迭代。在这个领域，数据的效率、质量和可扩展性对于开发交互式AI算法至关重要。我们是交互数据实验室团队，负责构建以数据为中心的人工智能。在 XR（扩展现实）互动领域，高精度和强鲁棒性的3D互动是提供卓越用户体验的基础。这也意味着我们对支持算法模型的数据标签提出了更高的要求，包括更高的准确性和更好的泛化性能。在过去一年多的时间里，我们专注于解决数据相关的问
2023-11-04 23:16:53
259
原创 TPAMI 2023 | 生成式AI与图像合成综述
在第四章节，该综述汇集了多模态合成与编辑领域流行的数据集以及相应的模态标注，并且针对各模态典型任务（语义图像合成，文字到图像合成，语音引导图像编辑）对当前方法进行了定量的比较。在第三章节，根据图像合成与编辑的模型框架，该论文对目前的各种方法进行了分类，包括基于GAN的方法，扩散模型方法，自回归方法，和神经辐射场（NeRF）方法。在第五章节，该综述对此领域目前的挑战和未来方向进行了探讨和分析，包括大规模的多模态数据集，准确可靠的评估指标，高效的网络架构，以及3D感知的发展方向。
2023-11-04 23:14:23
155
原创 IJCAL 2023 | 基于美学策略引导的低光照图像增强方法
低光图像增强任务的首要目标是处理此类低质量图像中的低亮度、低对比度、噪声和伪影等问题，并使用传统方法或基于学习的方法来提高视觉质量并恢复更多的图像细节。此外，我们观察到图像美学质量评价与人类主观评价在一定程度上是一致的，因此我们尝试在训练中引入美学评价来代表人类主观视觉感知，以帮助提高低光图像增强任务的性能。由于人类对图像的修饰过程是一个动态且明确的渐进过程，与图像的当前状态因果密切相关，因此我们将 LLE 视为马尔可夫决策过程，将其分解为一系列迭代。的表现与所有可能动作的表现平均值之间的差异。
2023-11-04 23:13:25
156
原创 基于语义对比学习的低光照图像增强网络
本文提出了一种有效的语义对比学习范式（SCL-LLE）来解决低光图像增强问题。SCL-LLE 揭示了如何使用非配对的负样本和正样本生成视觉上令人愉悦的图像，并说明了我们如何利用语义信息来保持输入和输出之间的视觉相似性。基于特征提取网络和语义分割网络，我们将图像增强视为多任务联合学习，其中SCL-LLE被转化为对比学习、语义亮度一致性和特征保留的三个约束，同时确保颜色、纹理和曝光的一致性。实验证明，我们的方法在六个跨域数据集上相对于现有最先进的LLE模型表现出明显的改进。
2023-11-04 23:11:22
341
原创 SparseBEV：高性能、全稀疏的纯视觉3D目标检测器
基于此，我们提出了高性能、全稀疏的 SparseBEV 模型。我们还提供了采样点的可视化（第一行是当前帧，二三两行是历史前两帧），可以看到，SparseBEV 的采样点精准捕捉到了场景中不同尺度的物体（即在空间上具备适应性），且对于不同运动速度的物体也能很好的对齐（即在时间上具备适应性）。在验证集的小规模的 Setting（ResNet50，704x256）下，SparseBEV 能取得 55.8 NDS 的性能，同时保持 23.5 FPS 的实时推理速度，充分发挥了 Sparse 设计带来的优势。
2023-11-04 22:59:54
606
原创 ICCV 2023 | EfficientViT: 面向边缘设备应用的SOTA语义分割模型，助力SAM高效推理
不同于先前的多尺度注意力机制模块，本文探索的关键点在于如何仅依赖对硬件友好的算子来实现同等的全局感受野和多尺度学习，这无疑就点名了。最终，该模型在性能和硬件效率之间取得了良好的平衡，为在边缘设备上部署语义分割应用提供了一种可行的解决方案。特别地，论文引入了一种轻量级多尺度注意力模块，该模块同时实现了全局感受野和多尺度学习，使用轻量级和硬件高效的操作，因此在边缘设备上相对于。全局注意力，将计算复杂度从二次降低到线性，同时保留了同等的特征提取能力，并能够很好的将全局感受野与多尺度学习结合起来。
2023-11-04 22:58:43
675
原创 CLIP 数据分析
CLIP 得以成功的关键在于来源于网络所收集的高质量数据集（WIT400M），但关于 CLIP 数据集策划过程的细节一直是个谜。CLIP的数据策划具有明显的优势。首先，它是从零开始策划的，避免通过筛选引入偏见。其次，CLIP的数据策划过程平衡了元数据上的数据分布，最大程度地保留了信号，同时减轻了数据中的噪音，而不是完全去除噪音。这种分布为任务无关的数据打下了基础，这是基础模型的重要组成部分。这个例子用于解释数据筛选或过滤的影响。
2023-11-04 22:55:44
309
原创 ICLR 2023 | 神经规范场: 渲染引导空间规范变换
这篇文章主要介绍了神经场中的规范变换，尤其是如何通过渲染损失联合优化神经场景表示和规范变换。通过应用和实验，证明了这种可学习规范变换的优点和广泛适用性，包括UV映射，TriPlane神经场等。基于这种可学习的规范变换，还有大量神经渲染任务值得深入探索和应用。
2023-11-04 22:54:20
92
原创 基于 YOLOR 的统一多任务学习范式
本文从人类学习的角度分析了图像字幕生成任务所需的语义信息。研究人员分析了不同视觉任务之间的关联性，将多个任务结合在一起进行训练，最大化了所有任务之间的共享语义。此外，他们深入讨论了数据增强技术和优化器模式，以从语义的角度设计训练流程，并减少语义错误的影响。实验结果显示，相比其他多任务模型，本文所提模型更轻量化，并在所有任务上取得了出色的成绩。此外，在多任务联合学习架构下，通过共享语义和学习率，能够使图像字幕生成任务能够在不使用任何预训练模型的情况下达到不错的性能，同时具备良好的可扩展性。
2023-11-04 22:51:25
339
原创 S3IM：随机结构相似性及其对神经场的不合理有效性
论文：《S3IM: Stochastic Structural SIMilarity and Its Unreasonable Effectiveness for Neural Fields》链接：https://arxiv.org/pdf/2308.07032.pdf代码：https://github.com/Madaoer/S3IM-Neural-Fields。
2023-11-04 22:47:14
117
原创 高效涨点神器 | 台湾国立中央大学最新提出即插即用 SFPN: 显著提升卷积神经网络精度
本文介绍了一种名为 SFPN（Synthetic Fusion Pyramid Network）的新型神经网络架构，旨在改进目标检测性能，尤其是在处理不同尺寸对象时。SFPN通过引入合成层来创建更加连续的特征金字塔，从而减少特征损失，提高目标检测的鲁棒性。实验结果显示，SFPN在不同类型的骨干网络上都能显著提高性能，特别是在轻量级模型上。
2023-11-04 22:42:49
432
原创 打破遮挡和数据稀缺难题：MMSports 2023 分割竞赛冠军方案分享！
在这篇技术报告中，我们介绍了用于解决 ACM MMSports 2023 实例分割问题的关键方法和技术。为了解决分割任务中的遮挡问题，作者利用了性能优异的 HTC 架构，搭载特征提取能力较强的 CBSwin-Base 骨干网络，并引入了一种新颖的位置感知复制粘贴数据增强技术，可以随意应用于数据稀缺的分割应用。实验结果表明，本文方法在不需要额外数据或预训练的情况下，在测试集上实现了最先进的结果（以0.533的OM得分排名第一）。
2023-11-04 22:40:11
187
原创 【2023-2024年最新教程】yolov5_obb: 旋转目标检测从数据制作到终端部署全流程教学
旋转目标检测，从入门到起飞，一站式教程！
2023-11-04 12:55:24
10765
30
原创 X-AnyLabeling 2.x 版本正式发布啦！ | 一款多 SOTA 模型集成的高级自动标注工具
是一款全新的交互式自动标注工具，其基于Labelme和等诸多优秀的标注工具框架进行构建，在此基础上扩展并支持了许多丰富的模型和功能，并借助和YOLO系列等目前主流和经典的深度学习模型提供强大的 AI 能力支持。无须任何复杂配置，下载即用，大大降低用户使用成本，同时支持自定义模型和快捷键设置等，极大提升用户标注效率和使用体验!项目链接：https://github.com/CVHub520/X-AnyLabeling/tree/main。
2023-09-12 21:58:30
992
16
原创 中科大、字节新作 | UniDoc：面向统一的图文理解大模型
本文引入了一项新工作UniDoc，这是一种通用的大型多模态模型，用于同时进行文本检测、识别、识别和理解。通过提出的统一多模态指令调整，UniDoc 有效地利用了基于文本的任务之间的有益交互，不仅解决了现有大型多模态模型的缺点，而且还增强了其原有的功能。此外，为了实现 UniDoc，研究团队贡献了一个遵循数据集的大规模多模式指令。实验表明，UniDoc 在多个基准测试中设置了最先进的分数。
2023-09-09 10:44:50
550
原创 基于语义对比学习的低光照图像增强网络
本文提出了一种有效的语义对比学习范式（SCL-LLE）来解决低光图像增强问题。SCL-LLE 揭示了如何使用非配对的负样本和正样本生成视觉上令人愉悦的图像，并说明了我们如何利用语义信息来保持输入和输出之间的视觉相似性。基于特征提取网络和语义分割网络，我们将图像增强视为多任务联合学习，其中SCL-LLE被转化为对比学习、语义亮度一致性和特征保留的三个约束，同时确保颜色、纹理和曝光的一致性。实验证明，我们的方法在六个跨域数据集上相对于现有最先进的LLE模型表现出明显的改进。
2023-09-09 10:44:14
362
原创 IJCAL 2023 | 基于美学策略引导的低光照图像增强方法
低光图像增强任务的首要目标是处理此类低质量图像中的低亮度、低对比度、噪声和伪影等问题，并使用传统方法或基于学习的方法来提高视觉质量并恢复更多的图像细节。此外，我们观察到图像美学质量评价与人类主观评价在一定程度上是一致的，因此我们尝试在训练中引入美学评价来代表人类主观视觉感知，以帮助提高低光图像增强任务的性能。由于人类对图像的修饰过程是一个动态且明确的渐进过程，与图像的当前状态因果密切相关，因此我们将 LLE 视为马尔可夫决策过程，将其分解为一系列迭代。的表现与所有可能动作的表现平均值之间的差异。
2023-09-09 10:43:41
464
原创 TPAMI 2023 | 生成式AI与图像合成综述
在第四章节，该综述汇集了多模态合成与编辑领域流行的数据集以及相应的模态标注，并且针对各模态典型任务（语义图像合成，文字到图像合成，语音引导图像编辑）对当前方法进行了定量的比较。在第三章节，根据图像合成与编辑的模型框架，该论文对目前的各种方法进行了分类，包括基于GAN的方法，扩散模型方法，自回归方法，和神经辐射场（NeRF）方法。在第五章节，该综述对此领域目前的挑战和未来方向进行了探讨和分析，包括大规模的多模态数据集，准确可靠的评估指标，高效的网络架构，以及3D感知的发展方向。
2023-09-09 10:43:06
110
原创 字节跳动 PICO 实验室 —— XR/AR 最新研究进展
在不断发展的人工智能（AI）领域中，数据一直被视为最宝贵的资源之一。数据驱动的AI正以前所未有的方式塑造着未来，尤其在XR（扩展现实）领域，其中硬件和算法快速迭代。在这个领域，数据的效率、质量和可扩展性对于开发交互式AI算法至关重要。我们是交互数据实验室团队，负责构建以数据为中心的人工智能。在 XR（扩展现实）互动领域，高精度和强鲁棒性的3D互动是提供卓越用户体验的基础。这也意味着我们对支持算法模型的数据标签提出了更高的要求，包括更高的准确性和更好的泛化性能。在过去一年多的时间里，我们专注于解决数据相关的问
2023-09-09 10:42:36
391
原创 ICCV 2023 | 克服域差异：基于事件相机的自监督预训练策略
论文：《Event Camera Data Pre-training》链接：https://arxiv.org/abs/2301.01928代码：https://github.com/Yan98/Event-Camera-Data-Pre-training。
2023-09-09 10:41:54
168
原创 CFINet | 深度学习小目标检测
特别地，已知的问题是先验框与目标区域之间的重叠较低，导致了优化的样本池受限，而区分性信息的匮乏进一步加剧了识别问题。然后，通过在传统的检测头部引入了一个特征模仿（FI）分支，以一种模仿的方式促进困扰模型的尺寸受限实例的区域表示。，这是一个针对小目标检测的两阶段框架，基于由粗到细的流程和特征模仿学习。首先，作者引入了粗到细RPN（CRPN），通过动态锚点选择策略和级联回归来确保小物体的足够高质量的。或相似性学习来缩小小物体与大物体之间的表示差距，但这些方法忽略了高质量与大尺寸、小尺寸与低质量之间的区别。
2023-09-09 10:41:22
671
原创 ICCV 2023 | 北大&南洋理工联合提出开放词汇实例分割新方法 CGG: 性能俱佳同时具备时间和空间效率优势！
本文提出了一种简单有效的 Open Vocabulary Instance Segmentation 方法，除了性能上的优势之外，CGG 模型还具有时间和空间效率上的优势。欢迎对计算机视觉前沿技术感兴趣的小伙伴扫描屏幕下方二维码或者直接搜索微信号 cv_huber 添加小编好友，备注：学校/公司-研究方向-昵称，与更多小伙伴一起交流学习！
2023-08-27 11:33:45
373
原创 ICLR 2023 | 利用主动学习降低 3D 目标检测中的高标注成本
基于LiDAR的三维物体检测在三维场景理解中扮演着不可或缺的角色，广泛应用于自动驾驶和机器人等领域。新兴的三维检测模型可在大规模标注点云的代价下实现精确识别，其中7自由度（DOF）的三维边界框——包括每个物体的位置、尺寸和方向信息——被标注出来。在像Waymo这样的基准数据集中，超过1200万个LiDAR边界框需要进行标注，对于一个标注者来说，标注一个精确的3D框需要超过100秒的时间。这种性能提升的先决条件在很大程度上阻碍了将模型应用于野外境中的可行性，特别是在标注预算有限的情况下。
2023-08-27 11:30:41
263
原创 爱人民币（iRMB）就不会 EMO 了？| ICCV-2023: 结合 CNN 和 Transformer 的倒残差移动模块设计
从技术上看，本文工作重新思考了ViT和CNN的轻量级的一些较为关键的设计，类似于先前的，由于有mobile场景的限制，本文提出了一个简单有效的模块，即倒残差移动模块，并在不使用很强的数据增强情况下，在mobile的setting下多个数据集上取得了领先结果，整体属于简单有效，代码和模型已经开源，欢迎大家使用！
2023-08-27 11:28:13
697
原创 中科院深圳先进院发表WizardMath | 关于如何提升LLMs的逻辑推理能力
此外，作者的模型甚至在GSM8k上超越了ChatGPT-3.5、Claude Instant-1、PaLM-2和Minerva，同时也在MATH上胜过了Text-davinci-002、PaLM-1和GPT-3。因此，作者依赖于ChatGPT来提供过程监督，并要求其评估我们的模型生成的解决方案中每一步的正确性。本文提出了一种名为RLEIF的方法，该方法集成了Evol-Instruct和强化过程监督方法，用于进化GSM8k和MATH数据，然后通过进化的数据和奖励模型微调预训练的LLama-2模型。
2023-08-27 11:26:03
327
原创 超越RTMPose | 登顶 COCO-WholeBody 榜首：清华联合IDEA提出全身关键点检测SOTA模型 DWPose
OpenPose：结合不同数据集对不同身体部位进行训练，以实现分离的关键点检测。MediaPipe：构建了一个感知 pipeline，特别适用于整体人体关键点检测。ZoomNet：首次提出了一种自顶向下的方法，使用层次结构的单一网络来解决不同身体部位的尺度变化问题。ZoomNAS：进一步探索了神经架构搜索框架，以同时搜索模型结构和不同子模块之间的连接，以提高准确性和效率。TCFormer：引入了逐步聚类和合并视觉特征，以在多个阶段中捕捉不同位置、大小和形状的关键点信息。RTMPose。
2023-08-27 11:23:04
774
原创 Residual Pattern Learning: 在不影响模型闭集表现的情况下分割异常物体
如果你有更多有趣的工作想分享给各位小伙伴，欢迎添加微信号：cv_huber 或扫描屏幕下方二维码与小编联系。
2023-08-27 11:16:47
132
原创 ICCV 2023 | 光与影的升华：FeatEnHancer 一种适用于任意低光照任务的即插即用模块，显著提升精度！
本文提出了一种名为的新型通用特征增强模块，旨在丰富低光视觉下有利于下游任务的分层特征。所设计的内部尺度特征增强和尺度感知注意力特征聚合策略与视觉主干网络相结合，产生了强大的语义表示。此外，既不需要在合成数据集上进行预训练，也不依赖增强损失函数。这些架构创新使成为一个即插即用的模块。对四种不同的下游视觉任务进行的广泛实验，涵盖了图像和视频，证明了所提方法相对于基线、LLIE方法和特定任务的最新方法都带来了稳定且显著的改进。欢迎对low-level。
2023-08-27 10:58:14
793
2
原创 港中文联合上海AI Lab发布多模态(12种)学习统一框架：Meta-Transformer
将n个数据模态的输入空间表示为XX1X2XnXX1X2Xn，相应的标签空间为YY1Y2YnYY1Y2Yn。此外，我们假设对于每个模态iii都存在一个有效的参数空间Θi\Theta_iΘi，其中任何参数θi∈Θiθi∈Θi都可以用于处理来自该模态的数据xi∈Xixi∈Xi。我们说，Meta-Transformer的本质是找到一个共享的参数θ∗。
2023-08-13 00:23:43
438
原创 Google & CMU 新作 | 揭示 LLMs 在解决视觉任务方面的无限潜力
本文通过提出一种新方法 SPAE，揭示了冻结的大型语言模型（LLMs）在处理涉及图像和视频的多模态理解和生成任务中的潜力，而无需对这些模态进行显式训练。SPAE 通过将视觉内容和具有丰富语义意义的可变长度的词汇标记之间进行转换来实现这一目标。研究结果显示了利用LLMs丰富的知识和推理能力在计算机视觉领域的巨大潜力，超越了仅限于语言任务的限制。然而，模型的上下文学习能力仍然会受到可接受序列长度的显著限制。
2023-08-13 00:21:46
187
原创 Meta AI开源力作 | SiLK：你真的需要这么复杂的图像关键点提取器？
通过SiLK的灵活性，论文进行了大量的实验，研究了模型架构和图像分辨率等设计选择对性能的影响。令人惊讶的是，减小模型规模、计算成本和训练输入尺寸对于Homography估计、相机姿态估计和点云配准的性能影响较小。这对于许多重要的应用程序，如设备上的推理，非常有益。本论文介绍了SiLK，一个简单而灵活的关键点检测和描述符框架。SiLK基于独特性和不变性的原则设计， 在3D视觉感知的关键低级任务上实现或超越了SOTA水平。SiLK的简单性对于在低级应用中进行良好的关键点检测是否需要复杂的机制提出了质疑。
2023-08-13 00:19:53
371
原创 港中文 & 苏大发布中文语法纠错大模型GrammarGPT | 仅用1K数据进行指令微调即可达到SOTA性能！
首先通过从互联网收集的线索来引导ChatGPT生成带有线索的不符合语法的句子，然后对从互联网收集的没有线索的不符合语法的句子进行标注。此外，本文还提出了一种错误不变的增强技术，用相似的命名实体替换并行数据中的命名实体，进一步增强模型纠正母语中文语法错误的能力。文中表明，对于用LLMs构建垂直领域的应用中，高质量的训练数据，数据构建的技巧，和构建何种类型的数据显得如此重要。过去的研究主要关注外国中文学习者产生的明显和幼稚的语法错误，而最近的工作则转向由母语者产生的更为微妙和具有挑战性的语法错误。
2023-08-13 00:16:35
591
原创 大连理工联合阿里达摩院发布HQTrack | 高精度视频多目标跟踪大模型
作者发现，对于相同的目标物体，HQ-SAM优化后的蒙版有时与VMOS预测的蒙版完全不同（IoU得分很低），这反而损害了分割性能。原始的DeAOT只在16倍比例的视觉和识别特征上进行传播操作，在这个尺度上，很多细节的目标线索会丢失，特别是对于小物体来说，16倍比例的特征不足以进行准确的视频目标分割。为了解决这个问题，同时保持SAM的原始提示设计、效率和零样本泛化性能，所以有研究学者就提出了HQ-SAM，它仅在预训练的SAM模型中引入了一些额外的参数，就能够达到更加精确的分割结果。推理过程如上图1流程所示。
2023-08-13 00:12:58
359
原创 CVPR 2023 | SCConv: 即插即用的空间和通道重建卷积（附源码）
简单总结下吧，本文主要提出了一个新颖的空间和通道重建模块（SCConv），这是一个有效的架构单元，能够通过减少广泛存在于标准卷积中的空间和通道冗余，降低计算成本和模型存储，同时提高CNN模型的性能。通过SRU和CRU，减少了特征图的冗余，同时实现了显著的性能改善，大幅减少了计算负载。此外，SCConv 是一个即插即用的模块，并且通用于替换标准卷积，无需任何模型架构调整。
2023-08-13 00:10:56
6290
19
原创 ICCV 2023 | APE: 高效的 CLIP 图像分类适配算法，比 Tip-Adapter 参数少30倍
如果你有关于此篇论文感兴趣或者想一起交流探讨的点，欢迎添加小编微信 cv_huber 或扫描屏幕下方二维码与作者一起互动。
2023-08-13 00:08:23
615
原创 重新思考局部-全局上下文交互：SegNetr 在医学图像分割中的应用
SegNetr 通过引入 SegNetr 块和信息保留跳跃连接来改进 U 型网络的分割性能。其中，SegNetr 块通过局部-全局交互实现更好的特征表示，而信息保留跳跃连接则提供了更好的特征融合机制。这些方法使得 SegNetr 在减少计算复杂度的同时，能够获得与传统方法相媲美甚至更好的分割性能。如果有对深度学习在医学图像应用领域相关研究感兴趣的童鞋，非常欢迎扫描屏幕下方二维码或者直接搜索微信号 cv_huber 添加小编好友，备注：学校/公司-研究方向-昵称，与更多小伙伴一起交流学习！
2023-08-13 00:05:49
390
1
原创 腾讯优图实验室 ICCV 2023 共 16 篇论文盘点
如果您也有好的工作想分享给更多的小伙伴，欢迎随时联系，我们将提供一切力所能及的帮助！同时，如果有技术或学术交流需求的同学，也欢迎扫描屏幕下方二维码，添加小编微信。
2023-08-13 00:03:47
314
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人