<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[csdn_xmj的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/csdn_xmj</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; csdn_xmj]]></copyright><item><title><![CDATA[Datawhale | 关于智能体（AI Agent）最常用框架，做了超详细的总结！]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/154831983</link><guid>https://blog.csdn.net/csdn_xmj/article/details/154831983</guid><author>csdn_xmj</author><pubDate>Thu, 25 Dec 2025 18:14:42 +0800</pubDate><description><![CDATA[本文系统介绍了当前主流的AI智能体框架，包括AutoGen、AgentScope、CAMEL和LangGraph。AutoGen采用对话驱动协作，将任务解决映射为角色化智能体的自动化对话；AgentScope作为工程化优先的多智能体平台，提供消息驱动架构和分布式支持；CAMEL通过角色扮演和引导性提示实现自主协作；LangGraph则将智能体流程建模为状态机图，支持循环和复杂逻辑。]]></description><category></category></item><item><title><![CDATA[我爱计算机视觉 | DIVER：融合强化学习与扩散模型，突破自动驾驶“模仿学习”瓶颈]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155915302</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155915302</guid><author>csdn_xmj</author><pubDate>Thu, 25 Dec 2025 18:10:34 +0800</pubDate><description><![CDATA[北京交通大学、地平线等机构的研究团队提出DIVER框架，突破端到端自动驾驶的模仿学习瓶颈。该框架通过结合强化学习与扩散生成模型，在保持安全性的同时提升轨迹多样性。DIVER采用策略感知扩散生成器衍生多意图参考轨迹，并利用强化学习优化安全、多样等指标。实验表明，在NAVSIM和nuScenes等测试平台上，DIVER的多样性指标提升40-60%，碰撞率低至0.07%，在复杂场景中展现出色鲁棒性。研究证明适度发散探索比单纯模仿能带来更好的自动驾驶表现。]]></description><category></category></item><item><title><![CDATA[计算机视觉研究院 | YOLO-LWNet：一种面向移动终端设备的轻量化道路损坏目标检测网络]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155782814</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155782814</guid><author>csdn_xmj</author><pubDate>Wed, 24 Dec 2025 17:56:07 +0800</pubDate><description><![CDATA[本文提出YOLO-LWNet轻量化道路损坏检测算法，针对移动终端设备资源受限场景。通过设计新型LWC轻量化模块，优化注意力机制与激活函数，构建轻量化骨干网络和高效特征融合网络，改进YOLOv5架构。在RDD-2020数据集上测试表明，相比YOLOv5-s，YOLO-LWNet-Small模型规模缩减48.4%，计算复杂度降低30%，检测精度提升1.7%，实现了精度与效率的良好平衡。该算法更适合移动终端部署，为道路损坏检测提供了轻量化解决方案。]]></description><category></category></item><item><title><![CDATA[Coggle数据科学 | TabPFN-2.5 解析：表格基础模型如何实现 SOTA 性能与生产级速度]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155576511</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155576511</guid><author>csdn_xmj</author><pubDate>Wed, 24 Dec 2025 17:54:41 +0800</pubDate><description><![CDATA[TabPFN-2.5作为新一代表格数据基础模型，在TabArena基准测试中表现卓越，分类任务胜率达87%，回归任务85%。相比传统树模型，它采用Transformer结构和合成数据预训练，实现训练即预测，大幅降低调参时间。技术升级包括更深的网络架构、特征组优化和引入&quot;思考行&quot;机制，推理速度提升1-2.3倍。该模型已获学术界400+引用和产业界200万+下载，成为成熟的生产工具。建议使用H100/A100 GPU和多GPU并行以获得最佳性能。]]></description><category></category></item><item><title><![CDATA[数据之外的人间 | Paper2Slides：一键将论文转换为专业演示文稿的AI工具全解析]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155932711</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155932711</guid><author>csdn_xmj</author><pubDate>Tue, 23 Dec 2025 22:25:29 +0800</pubDate><description><![CDATA[Paper2Slides的出现，不仅仅是提供了一个便捷的PPT制作工具，更代表了AI技术在学术传播领域的巨大潜力。它让科研人员从繁琐的演示文稿制作中解放出来，能够将更多精力投入到真正的研究工作中。从更广泛的角度来看，Paper2Slides这样的工具正在改变学术交流的方式。它使得高质量的学术演示不再需要专业的设计技能，任何人都可以通过简单的操作生成专业级别的演示文稿。这不仅提高了学术交流的效率，也降低了学术传播的门槛。当然，我们也要认识到，AI工具终究只是辅助手段。]]></description><category></category></item><item><title><![CDATA[计算机视觉研究院 | Bearing-DETR：一种基于RT-DETR的轻量化轴承缺陷检测深度学习模型]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156043635</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156043635</guid><author>csdn_xmj</author><pubDate>Tue, 23 Dec 2025 22:24:42 +0800</pubDate><description><![CDATA[将这一技术整合到我们的网络中，标志着深度学习在轴承缺陷检测这类复杂任务中的应用迈出了重要一步，同时凸显了该模型的灵活性及其在更广泛工业场景中的应用潜力。它在高目标密度与高缺陷多样性条件下的增强检测能力，凸显了其适用于复杂工业环境的部署价值——此类环境中，多样且细微的缺陷检测至关重要。的引入是为了提升模型在复杂工业图像中对缺陷相关特征的聚焦能力，相比标准注意力机制，它能更有效地适配不同形状与尺寸的缺陷。的靶向注意力之间的协同作用，显著提升了检测流程的精度与速度——这对可靠高效的工业应用至关重要。]]></description><category></category></item><item><title><![CDATA[我爱计算机视觉 | NeurIPS 2025 | SuperCLIP：对比学习加上分类任务，使CLIP更强了！]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155932228</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155932228</guid><author>csdn_xmj</author><pubDate>Mon, 22 Dec 2025 17:46:40 +0800</pubDate><description><![CDATA[华中科技大学与字节跳动团队提出SuperCLIP框架，通过增加轻量级分类任务改进CLIP模型的细粒度识别能力。研究发现CLIP虽擅长全局语义匹配，但难以区分细微差异（如动作、空间关系等）。SuperCLIP在视觉编码器上添加线性分类层，利用文本分词作为分类标签，使模型同时学习全局对比和局部分类任务。实验表明该方法在零样本分类、图文检索等任务上显著提升性能（如ImageNet准确率提高5.1%），且计算开销仅增加0.077%。该方案还缓解了CLIP对大批量训练的依赖，展现出优异的泛化性和鲁棒性。]]></description><category></category></item><item><title><![CDATA[集智书童 | Pose-RFT：首个混合动作强化微调MLLM，用HyGRPO超越SMPL回归实现3D人体姿态精准生成]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156042985</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156042985</guid><author>csdn_xmj</author><pubDate>Mon, 22 Dec 2025 17:46:05 +0800</pubDate><description><![CDATA[本文提出Pose-RFT框架，首次将强化学习应用于多模态大语言模型(MLLMs)的3D人体姿态生成任务。通过创新性地将任务建模为混合动作空间强化学习问题，开发HyGRPO算法联合优化离散语言预测和连续姿态生成。结合四种任务特定奖励函数，在3DPW和Human3.6M等基准测试中显著提升性能，验证了该方法在捕捉空间对齐和语义一致性方面的有效性。研究表明，强化微调特别在文本到姿态生成任务中效果显著，为多模态姿态生成提供了新思路。]]></description><category></category></item><item><title><![CDATA[python | matchering，一个超酷的 Python 库！]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155857013</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155857013</guid><author>csdn_xmj</author><pubDate>Sat, 20 Dec 2025 21:57:12 +0800</pubDate><description><![CDATA[matchering支持分离info和warning日志，便于将不同级别的信息写入不同位置。这在构建专业音频处理系统时非常有用，可以将警告信息单独记录以便排查问题。# 分别处理info和warning日志mg.log(warning_handler=lambda msg: print(f"[警告] {msg}")当需要更精细控制输出参数时，可使用mg.Result类。它允许指定输出格式、位深、是否启用限制器、是否归一化等选项，满足专业音频工程师的多样化需求。results=[]]></description><category></category></item><item><title><![CDATA[极市平台 | TGRS 2025 | 山东大学×提出HDNet：融合多尺度高频信息增强的混合域红外小目标检测网络]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156057754</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156057754</guid><author>csdn_xmj</author><pubDate>Sat, 20 Dec 2025 21:56:46 +0800</pubDate><description><![CDATA[本文提出了一个混合域网络（HDNet），旨在结合空间域的多尺度感知能力与频率域的背景抑制能力，以解决红外小目标检测中目标尺寸多变及背景干扰严重的问题。为实现这一目标，作者设计了两个核心模块：其一是位于空间域的多尺度空洞对比度卷积（MAC）模块，通过利用多个不同核尺寸的并行空洞对比度卷积，增强了网络对尺寸微小且多变目标的感知能力并提升了目标与背景的对比度；]]></description><category></category></item><item><title><![CDATA[AI生成未来 | 24FPS实时生成！腾讯混元推出WorldPlay：打破“速度与记忆”悖论,720P无限流视频随意玩！]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156057250</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156057250</guid><author>csdn_xmj</author><pubDate>Fri, 19 Dec 2025 17:55:19 +0800</pubDate><description><![CDATA[WorldPlay提出了一种创新的实时交互式世界模型，通过双重动作表示（结合键盘输入和摄像机姿态）、重建上下文记忆机制和时间重构技术，解决了长期几何一致性与实时性的平衡问题。模型采用上下文强制蒸馏方法，有效防止误差累积，实现24FPS的720p视频生成。实验表明其在多样化场景中保持卓越的视觉质量和几何一致性，支持3D重建、文本驱动事件等应用。该技术为具身智能和虚拟环境开发提供了新思路。]]></description><category></category></item><item><title><![CDATA[数据派THU | 原创丨从文字到流动的世界：AI视频生成模型背后的数学]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156090983</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156090983</guid><author>csdn_xmj</author><pubDate>Fri, 19 Dec 2025 17:26:14 +0800</pubDate><description><![CDATA[AI视频生成技术正迎来突破性发展，以Vidu、Sora等模型为代表，实现了&quot;文字直接生成视频&quot;的跨越。核心技术基于扩散模型和Transformer架构：扩散模型通过&quot;去噪&quot;学习从噪点重建画面，Transformer则负责理解时空信息。新一代模型在时空一致性、物理模拟和叙事能力上取得显著进步，能生成长达1分钟的高质量视频。其数学本质是学习高维视频流形结构，通过提示词约束语义子空间采样。尽管技术带来创作民主化等机遇，但也面临深度伪造、版权争议等挑战。这项技术正在重塑内容创]]></description><category></category></item><item><title><![CDATA[集智书童 | 告别DETR“内卷”！Route-DETR根治Query竞争内耗，实现57.6% SOTA性能]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156057589</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156057589</guid><author>csdn_xmj</author><pubDate>Thu, 18 Dec 2025 17:26:41 +0800</pubDate><description><![CDATA[Route-DETR提出创新方法解决DETR类目标检测器的Query竞争问题。通过自适应成对路由机制，在解码器自注意力层动态引导Query间的竞争与协作关系。实验表明，该方法在COCO数据集上使DINO模型mAP提升1.7%，基于Swin-L的模型达到57.6% mAP的SOTA水平。双分支训练策略确保推理零开销，同时该方案在实例分割任务中也展现良好泛化性。研究为改进基于Query的视觉模型提供了新思路。]]></description><category></category></item><item><title><![CDATA[Zilliz | embedding分数不是唯一解！搜索场景，如何根据元数据做加权rerank]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156057954</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156057954</guid><author>csdn_xmj</author><pubDate>Thu, 18 Dec 2025 17:24:30 +0800</pubDate><description><![CDATA[本文介绍了Milvus 2.6.2推出的BoostRanker功能，这是一种基于元数据的重排序策略。BoostRanker通过过滤表达式和权重配置，可以在不改动索引和向量模型的情况下，实现对检索结果的智能重排。该功能适用于电商搜索（提升付费商品权重）、内容搜索（优先官方内容）和企业知识库（置顶权威文档）等场景。文章详细解析了BoostRanker的工作原理、核心参数配置，并通过文档检索案例展示了如何提升官方文档的排序权重。]]></description><category></category></item><item><title><![CDATA[阿旭算法与机器学习 | 【SAM3教程-1】SAM3 使用文本提示进行图像分割详细步骤与示例【附源码】]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155940983</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155940983</guid><author>csdn_xmj</author><pubDate>Wed, 17 Dec 2025 17:40:53 +0800</pubDate><description><![CDATA[本文介绍了基于SAM3视觉大模型的文本提示图像分割方法。文章详细阐述了五个核心步骤：模型初始化与配置、图像预处理、文本提示设置、模型推理以及结果后处理与可视化。通过代码示例展示了如何利用文本提示（如&quot;穿红衣服的人&quot;）实现精准目标分割，并提供了多个分割效果示例。SAM3模型支持点、框和文本多种提示方式，其文本提示功能显著提升了交互性和实用性，使用户能通过自然语言描述快速分割目标物体。该方法在保持SAM系列优势的同时，进一步拓展了应用场景和易用性。]]></description><category></category></item><item><title><![CDATA[机器之心 | 阿里妈妈发布MUSE：用多模态搞定十万级超长行为序列，并开源Taobao-MM数据集]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/156022468</link><guid>https://blog.csdn.net/csdn_xmj/article/details/156022468</guid><author>csdn_xmj</author><pubDate>Wed, 17 Dec 2025 17:30:58 +0800</pubDate><description><![CDATA[阿里妈妈与武汉大学团队给出的答案是 MUSE（MUltimodal SEarch-based framework）。这不仅仅是一个新的 CTR 模型，更像是一个给推荐系统安装的 “多模态海马体”。它利用图像与文本的语义力量，重构了用户跨越时空的兴趣图谱。]]></description><category></category></item><item><title><![CDATA[OpenCV与AI深度学习 | StereoWorld：妙用视频生成模型，2D视频转成高质量3D立体视频]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155915323</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155915323</guid><author>csdn_xmj</author><pubDate>Tue, 16 Dec 2025 18:23:07 +0800</pubDate><description><![CDATA[总而言之，StereoWorld的出现，为我们提供了一个将海量2D视频资源转化为沉浸式3D体验的新思路。它通过创新的几何感知正则化和专门构建的大规模数据集，显著提升了单目到立体视频生成的质量和真实感。不过文中称速度还需要进一步优化，目前的模型转一段几秒钟的视频需要6分钟。THE END!]]></description><category></category></item><item><title><![CDATA[集智书童 | 遮挡不再成难题！GRASPTrack横空出世！Voxel化3D点云让遮挡追踪准确率飙升12%]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155940537</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155940537</guid><author>csdn_xmj</author><pubDate>Tue, 16 Dec 2025 18:22:18 +0800</pubDate><description><![CDATA[1. 计算效率问题：当Voxel网格大小参数设置过小时，会导致计算开销显著增加，FPS降至9.3，影响实时性。2. 深度估计依赖性：该方法依赖于单目深度估计模型生成的深度图，如果深度估计不准确，可能会影响整个跟踪性能。3. 参数敏感性：遮挡敏感度因子的选择对跟踪性能有显著影响，需要根据不同场景进行调整，参数过小或过大都会导致性能下降。4. 相机内参依赖：由于评估的视频序列缺乏相机内参，需要通过交互式对齐投影的地面网格与每张图像来估计它们，可能引入额外的误差。]]></description><category></category></item><item><title><![CDATA[Datawhale | 再也不担心论文！Nano-Banana Pro 论文绘图最全教程发布（建议收藏！）]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155915292</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155915292</guid><author>csdn_xmj</author><pubDate>Mon, 15 Dec 2025 17:25:57 +0800</pubDate><description><![CDATA[本文介绍了一套利用AI生成高质量学术插图的工作流程，将绘图过程拆解为&quot;逻辑构建&quot;和&quot;视觉渲染&quot;两个环节。通过LLM将论文内容转化为结构化视觉指令，再交由绘图模型生成符合CVPR/NeurIPS标准的示意图。文章详细说明了如何选择布局原型、定义物理区域、设置视觉元素，并提供了修改微调的方法。同时强调AI仅作为辅助工具，必须严格审核科学准确性，禁止用于实验数据图表。还分享了去除水印、配色方案等实用技巧，帮助科研人员高效制作专业插图。]]></description><category></category></item><item><title><![CDATA[周报 | 25.12.8-25.12.14文章汇总]]></title><link>https://blog.csdn.net/csdn_xmj/article/details/155947559</link><guid>https://blog.csdn.net/csdn_xmj/article/details/155947559</guid><author>csdn_xmj</author><pubDate>Mon, 15 Dec 2025 17:24:55 +0800</pubDate><description><![CDATA[本周AI领域技术动态聚焦多模态与计算机视觉创新：EM-DETR通过特征匹配迭代训练实现医学图像检测突破；X-AnyLabeling3.0平台集成Qwen3-VL等先进模型支持多模态标注；AgriLiRa4D数据集填补农业无人机SLAM研究空白。同时涌现多项突破性成果：普林斯顿C³模型改进视频生成不确定性估计，AutoSeg3D实现3D物体在线分割超越ESAM，SimScale框架提升困难场景仿真能力。技术工具方面，Jina库和Python列表推导式技巧获推荐，Milvus空间索引技术展示商业应用潜力。]]></description><category></category></item></channel></rss>