计算机视觉研究院-CSDN博客

原创干货 | 利用手持摄像机图像通过卷积神经网络实时进行水稻检测

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式获取论文：关注并回复“水稻”计算机视觉研究院专栏Column of Computer Vision Institute小农户在全球粮食供应中发挥着重要作用。随着智能手机越来越普及，它们使小农能够以非常低的低成本收集图像。PART/1摘要在本研究中，研究者提出了一种有效的深度卷积神经...

2024-01-07 10:30:55 912

原创 YoloV8与ChatGPT互通，这功能是真的强大！

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式参考地址：https://github.com/ultralytics/ultralytics计算机视觉研究院专栏Column of Computer Vision Institute现在的ChatGPT都是输入文字、图片或者语音，那如果将检测网络或者更上层一点的东西，把视觉与ChatG...

2023-07-12 08:26:47 294

转载 CVPRW24 | SAM用于遥感影像中提取向量化的道路网络

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式题目：Segment Anything Model for Road Network Graph Extraction会议：CVPR 2024 2nd Workshop on Scene Graphs and Graph Representation Learning论文：http://a...

2024-05-22 11:25:13 1

转载超越NeRF，3DGS逆天了！52篇精选论文浅谈涨点技巧

3DGS作为先进的三维重建技术，通过3D高斯函数表示体积密度，可快速渲染出高质量图像，在计算机图形学和计算机视觉领域，呈现出巨大潜力，甚至超越NeRF重塑SLAM！今年火爆的算法岗招聘中，3DGS经验更是候选人加分项！研梦非凡于5月24日，特邀了自动驾驶AI专家杨导师，独家上线SIGGRAPH-Best Paper《AI前沿论文系列—3D Gaussian Splatting（3DGS）for R...

2024-05-22 11:25:13

转载 CVPR2024满分论文出炉！这些方向杀疯了！

随着人工智能界的持续进步，不断有研究者将新的模型和算法应用到计算机视觉领域。计算机视觉所处理的问题越来越丰富，目前主流的计算机视觉任务，主要包括三维重建、目标检测、图像分割、OCR、视频分析和图像生成等。如何更迅速地抓住CV领域热点，并将时下热门技术相结合呢？我复盘并整理了2024年最新热门方向，包含CV领域多个热点，从讲解原理技术到论文代码复现，顶会科研大牛带你深入探讨CV热点，原价699元，限...

2024-05-21 11:25:23 10

转载数据更多更好还是质量更高更好？这项研究能帮你做出选择

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文标题：Scaling Laws for Data Filtering—Data Curation cannot be Compute Agnostic论文地址：https://arxiv.org/pdf/2404.07177.pdf代码地址：https://github.com/loc...

2024-05-21 11:25:23 1

转载 Mamba、Transformer、RNN架构设计对比和演化过程详解

Mamba凭借其超强性能，被视为Transformer的颠覆者，但Transformer依然是当今大模型不可或缺的基座架构！自「Attention Is All You Need」首次提出自注意力机制，到BERT开创了预训练语言模型浪潮，以及后来的ViT、Swin Transformer、SegFormer、ViLT、（GPT-4）Toolformer、扩散模型，Transformer无疑是NLP...

2024-05-17 11:31:10 13

转载 Mamba终结Transformer、Transformer力压RNN，浅谈我站Transformer的原因

继之前基于Transformer荣登Nature子刊的Life2vec，谷歌最近又爆改Transformer提出的Infini-attention机制，实现了接近无限长度的上下文。但横空出世的Mamba，克服了Transformer核心注意力层无法扩展的问题，一度被认为颠覆了Transformer。不可否认，Transformer对llm、及与各研究领域结合的突出贡献，想要深入mamba绕不开Tr...

2024-05-16 10:30:54 11

转载只需百行代码，让H100提速30%，斯坦福开源全新AI加速框架

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式博客地址：https://hazyresearch.stanford.edu/blog/2024-05-12-tk计算机视觉研究院专栏Column of Computer Vision Institute提高 GPU 利用率，就是这么简单。AI 的快速发展，伴随而来的是大计算量。这就自然而...

2024-05-16 10:30:54 5

转载谷歌反击：Project Astra正面硬刚GPT-4o、Veo对抗Sora、新版Gemini变革搜索

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute这就是谷歌对 OpenAI 的回应。是的，每一分钟都在讲 AI。Gemini 1.5 Flash 具有很强的多模态推理能力，并具有突破性的长上下文窗口。Gemini 1.5 Flash 性能表现。来源...

2024-05-15 11:35:24 10

转载特斯拉FSD入华！多模态+自动驾驶idea有了！

4月底马斯克闪电访华，作为目前最先进的自动驾驶系统，FSD（完全自动驾驶）入华几乎毫无悬念。从热门的BEV、OCC算法、端到端技术，到新兴的多模态LLM等，自动驾驶或将迎来GPT时刻。尤其是多模态与自动驾驶的结合，遍布论文宝藏idea！从多模态融合到多模态大模型，特为你准备了超多论文，自动驾驶方向同学必看！▼找助教免费领137篇多模态24顶会/经典/前沿论文另外，研梦非凡独家讲解《自动驾驶前沿...

2024-05-15 11:35:24 5

转载目前业内比较热门的学习社区！

今年来，各家自动驾驶与AI公司开始规模化量产，可落地的技术成为大家争先占领的重点，然而这个行业对从业者能力要求较高，内部非常卷，一个岗位难求。如何从内卷中脱颖而出，除了极强的自律外，系统的学习方法也很重要，这里给大家推荐了几个国内非常具有影响力的自动驾驶、计算机视觉和AI方面的优质社区，对入门学习以及后续进阶很有帮助！自动驾驶之心我的好朋友汽车人创办，他们曾就职于国内顶尖自动驾驶公司，算法和产品领...

2024-05-15 11:35:24 14

转载又水了一篇顶会！不知道博士咋毕业的，来看看我咋水的

又水了一篇顶会。要说创新，也没啥大创新。要说没创新，确实也有一丢丢的新东西。毕竟能发顶会或者高区位会议的文章，idea必须有创新性。而一个科研新人几乎不具备独立提炼idea的能力。很多发了十几篇A会的科研大牛都在使用“简化、结合、迁移、解释分析”这4个高效的idea提炼方法。但是科研新人，即使知道了方法，也依旧无法挖掘到好的idea。我师弟张含，研二期间要发CV方向的CCF A类文章。奈何导师不给...

2024-05-14 11:30:48 10

转载从零开始手搓GPU，照着英伟达CUDA来，只用两个星期

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式项目链接：https://github.com/adam-maj/tiny-gpu计算机视觉研究院专栏Column of Computer Vision Institute从学习芯片的基础知识开始。「我花两周时间零经验从头开始构建 GPU，这可比想象的要难多了。」总有人说老黄的芯片供不应求...

2024-05-13 11:31:26 16

转载低质多模态数据融合，多家机构联合出了篇综述论文

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision InstituteAIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，...

2024-05-09 18:01:58 11

转载 7262篇提交，ICLR 2024爆火，两篇国内论文获杰出论文提名

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute今年共评选出 5 篇杰出论文奖以及 11 篇荣誉提名。ICLR 全称为国际学习表征会议（International Conference on Learning Representations），今年...

2024-05-08 12:02:10 16

转载北大又一篇顶会研究，LLM+MoE实现多模态大一统！

多模态大语言模型（MLLM）成为研究热点，北大投稿顶会ACM MM 2024的一篇论文，创新提出了LLMBind框架，结合大型语言模型（LLM）和专家混合（MoE）技术，通过处理多模态输入，并生成特定于任务的令牌，从而统一不同的多模态任务，实现更广泛、高拓展的智能交互。研梦非凡5月8日邀请了手握多篇一作的王导师，为大家独家讲解论文《LLMBind：统一的多模态任务集成框架》直播课。带大家回顾现有主...

2024-05-08 12:02:10 13

转载 12年前上手深度学习，Karpathy掀起一波AlexNet时代回忆杀，LeCun、Goodfellow等都下场...

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式https://code.google.com/archive/p/cuda-convnet/计算机视觉研究院专栏Column of Computer Vision Institute没想到，自 2012 年 AlexNet 开启的深度学习革命已经过去了 12 年。https://code...

2024-05-07 10:30:46 11

转载审稿人强拒后,response无二审接收经历分享

在一审一名审稿人强拒连怼17个问题的的情况下，无二审直接接收，整个response39页11836字，SCI一区直接拿下！顶会/顶刊论文指导认研梦非凡就对了！今天研梦非凡导师来讲讲对于怎么写response的经验。谨记：所有的回复目的只有一个：说服Editor。必须解决所有审稿人的疑虑，突出文章的贡献。（文末有科研福利！）具体而言，有两点：第一：每一个问题都得有数据作为支撑，有现成实验数据放实验数...

2024-05-06 12:01:47 33

转载华科&字节提出目标感知基础模型GLEE，一统所有目标感知任务

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文标题：GLEE: General Object Foundation Model for Images and Videos at Scale论文地址：https://arxiv.org/abs/2312.09158代码地址：https://github.com/FoundationV...

2024-05-02 12:00:23 11

转载人大系多模态模型迈向AGI：首次实现自主更新，写真视频生成力压Sora

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute在 4 月 27 日召开的中关村论坛通用人工智能平行论坛上，人大系初创公司智子引擎隆重发布全新的多模态大模型 Awaker 1.0，向 AGI 迈出至关重要的一步。相对于智子引擎前代的 ChatImg...

2024-04-30 09:01:17 24

转载奥特曼斯坦福演讲：专注当前AI局限性没用，GPT-5让一切努力过时

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute斯坦福辍学出道的 OpenAI CEO 奥特曼，受到了大量在校生的追捧和欢迎。昨天，黄仁勋亲自为 OpenAI 送来了全球第一台 Nvidia DGX H200 超级计算机，三人合影（老黄、奥特曼、G...

2024-04-28 12:00:33 28

原创基于YOLO目标检测算法的交通标志检测与识别系统综述

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文地址：https://mdpi.longhoe.net/计算机视觉研究院专栏Column of Computer Vision InstituteYOLO（You Look Only Once）是一种基于深度神经网络的算法，具有实时对象检测功能。这种最先进的技术被广泛使用，主要是因为它...

2024-04-27 13:00:48 929

转载苹果卷开源大模型，公开代码、权重、数据集、训练全过程，OpenELM亮相

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2404.14619.pdf项目地址：https://github.com/apple/corenet论文标题：OpenELM: An Efficient Language Model Family with Open-source T...

2024-04-27 13:00:48 16

转载 8B文字多模态大模型指标逼近GPT4V，字节、华师、华科联合提出TextSquare

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute近期，多模态大模型 (MLLM) 在文本中心的 VQA 领域取得了显著进展，尤其是多个闭源模型，例如：GPT4V 和 Gemini，甚至在某些方面展现了超越人类能力的表现。但是开源模型的性能还远远落后...

2024-04-26 11:30:59 21

转载首个基于Mamba的MLLM来了！模型权重、训练代码等已全部开源

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式原文链接：https://arxiv.org/pdf/2403.14520v2.pdf项目链接：https://sites.google.com/view/cobravlm/论文标题：Cobra: Extending Mamba to Multi-Modal Large Language ...

2024-04-24 08:00:00 19

转载 CVPR 2024 | 分割一切模型SAM泛化能力差？域适应策略给解决了

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2312.03502.pdf项目地址：https://github.com/Zhang-Haojie/WeSAM论文标题：Improving the Generalization of Segmentation Foundation M...

2024-04-16 11:00:44 93

转载马斯克的首款多模态大模型来了，GPT-4V又被超越了一次

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute自从 2023 年 11 月 Grok 首次亮相以来，马斯克的 xAI 正在大模型领域不断取得进步，向 OpenAI 等先行者发起进攻。在 Grok-1 开源后不到一个月，xAI 的首个多模态模型就问...

2024-04-15 11:00:17 36

转载 Meta宣布全新训推一体加速器：完全集成PyTorch 2，性能3倍提升

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision InstituteMeta 疯狂砸入数十亿美元，一部分招揽人才，一部分造芯片。Meta 正在不遗余力地想要在生成式 AI 领域赶上竞争对手，目标是投入数十亿美元用于 AI 研究。这些巨资一部分用于招募 AI 研究员。但...

2024-04-15 11:00:17 25

转载 7B超越百亿级，北大开源aiXcoder-7B最强代码大模型，企业部署最佳选择

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式还可以处理高难度算法题，比如经典的分糖果问题，通过贪心的策略，以左右两次遍历的方式得到最少糖果数。再来看 aiXcoder 7B Base 版更得心应手的代码补全场景，比如长上下文补全。这里用多个工具函数拼成 1500 多行的代码，要求模型在文件末端进行注释补全，模型识别到了文件顶部的相关...

2024-04-12 11:00:29 73

转载谷歌DeepMind发布Gecko：专攻检索，与大7倍模型相抗衡

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision InstituteGecko 是一种通用的文本嵌入模型，可用于训练包括文档检索、语义相似度和分类等各种任务。文本嵌入模型在自然语言处理中扮演着重要角色，为各种文本相关任务提供了强大的语义表示和计算能力。在语义表示上，文...

2024-04-08 11:31:13 30

转载马斯克造大模型，从特斯拉连挖高管

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute要不他们可能就跳槽到 OpenAI 了。当全球首富埃隆・马斯克（Elon Musk）建立 xAI，准备与 OpenAI、谷歌竞争大模型时，他必须与众多科技巨头、初创公司争夺人才。不过，他使用了一些取...

2024-04-07 11:30:26 29

转载王炸更新！YOLO v9颠覆实时目标检测领域（含yolo全系列）

YOLOv9的变化相对较小，它仍然基于YOLOv5的代码架构。这就意味着YOLOv5、YOLOv7和YOLOv9实际上是“同一个框架”。如果你已经熟悉其中一个，那么你将能够轻松掌握另外两个。研梦非凡请一线车企高级算法工程师Frank导师从yolo v9的两个创新点开始，到网络结构、实验、代码详细讲解，带你搞定yolo v9算法！扫码预约4月8号《前沿算法论文解读系列直播——YOLOV9算法详解...

2024-04-06 13:30:34 216

转载比LoRA还快50%的微调方法来了！一张3090性能超越全参调优，UIUC联合LMFlow团队提出LISA...

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute2022 年底，随着 ChatGPT 的爆火，人类正式进入了大模型时代。然而，训练大模型需要的时空消耗依然居高不下，给大模型的普及和发展带来了巨大困难。面对这一挑战，原先在计算机视觉领域流行的 LoR...

2024-04-02 10:40:23 53

转载深度学习部署、大模型/多模态的全栈学习社区汇总！

今年来，各家自动驾驶与AI公司开始规模化量产，可落地的技术成为大家争先占领的重点，然而这个行业对从业者能力要求较高，内部非常卷，一个岗位难求。如何从内卷中脱颖而出，除了极强的自律外，系统的学习方法也很重要，这里给大家推荐了几个国内非常具有影响力的自动驾驶、计算机视觉和AI方面的优质社区，对入门学习以及后续进阶很有帮助！StrongerTang机器人、自动驾驶人才聚集地，感知融合、定位建图、规划控制...

2024-03-30 12:35:45 55

转载自动驾驶idea｜在线矢量化高清地图构建的结构化建模和学习

高清（HD）地图提供了丰富而精确的驾驶场景环境信息，是自动驾驶系统规划中不可或缺的基本组成部分。MapTR一种高效在线矢量化高清地图构建的端到端结构框架：它采用简单的编码器-解码器-转换器架构和分层二分匹配来执行基于所提出的置换等价建模的地图元素学习。研梦非凡邀请某知名研究所研究员周导师在3月29日晚19:20，带大家从MapTR的算法框架中地图元素建模方法到MapTR框架应用于自动驾驶领域的实现...

2024-03-29 11:31:20 57

转载离职谷歌的Transformer作者创业，连发3个模型（附技术报告）

2024-03-26 10:01:21 52

转载 CVPR 2024 | 一统所有目标感知任务，华科&字节提出目标感知基础模型GLEE

2024-03-24 18:30:54 71

原创 Github 4.8k Stars! | CodeFormer: 地表最强AI马赛克去除神器! (附实战教程)

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式项目地址：https://shangchenzhou.com/projects/CodeFormer/#method先来一组效果图：转换前：转换后：计算机视觉研究院专栏Column of Computer Vision Institute模糊的脸恢复是一个高度不适定的问题，通常需要辅助指导...

2024-03-22 13:30:28 1072

转载马斯克开源Grok-1：3140亿参数迄今最大，权重架构全开放，磁力下载

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式项目地址 https://github.com/xai-org/grok-1计算机视觉研究院专栏Column of Computer Vision Institute开源社区有福了。项目地址 https://github.com/xai-org/grok-1pip install -r r...

2024-03-20 11:30:20 82