【valse 2024】会议内容汇总（持续更新）

已于 2024-05-17 11:12:57 修改
阅读量2.6k 收藏 36
点赞数 27
文章标签： valse 计算机视觉 大模型 跨模态 AIGC 三维重建 视频生成
于 2024-05-08 23:15:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45752541/article/details/138581628
版权

在这里插入图片描述

提示：更新中，一周左右更新完毕。需要具体课件的可私信

文章目录

Tutorial 1:开放词汇视觉感知

讲者：李冠彬-中山大学
时间：第二天下午

在这里插入图片描述

一、课题背景介绍

在这里插入图片描述

在这里插入图片描述

![在这里插入图片描述](https://img-
blog.csdnimg.cn/direct/0fe51b99b65540e2b6282d2632b06171.png)
在这里插入图片描述

  开放词汇视觉感知 要求模型从海量图文对数据中学习视觉概念知识，并在实际开放 场景中实现不限类别 的视觉感知。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

二、开放词汇分类

在这里插入图片描述

  利用海量图像-文本对，将图像与文本映射到同一嵌入空间，实现概念跨模态语义对齐。

特点：

图文关联弱，噪声较大
海量数据易获取
泛化能力强

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
实验结果分析：

1.多模态提示学习优于单模态提示学习，耦合多模态提示优于独立多模态提示
2.对于新类泛化能力，MaPLe优于CoCoOp，原因归于MaPLe 利用了文本和视觉提示的协同学习
3.整体性能MaPLe都优于CoOp和CoCoOp

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

三、开放词汇检测

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
《Grounded Language-Image Pre-training》
算法思想
  1.将物体匹配与短语定位任务统一起来进行预训练；
  2.利用区域定位能力从图文对数据中构建准确的区域文本对数据

核心贡献
  1.统一的区域级图文匹配预训练模型
  2.准确性高，泛用性强

在这里插入图片描述

在这里插入图片描述

利用海量“图像-文本”数据扩大视觉概念：
  1）利用已有的Grounding数据（80万）进行监督训练，得到教师模型
  2）从图像文本对数据提取名词短语，基于“教师-学生” 半监督学习从“图像文本对”生成“区域文本对”伪标签，并加入训练学生模型。
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

总结一下：

在这里插入图片描述

四、开放词汇分割

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

五、下游任务应用

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

六、多模态大模型

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

七、总结与展望

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Tutorial 2:NeRF和3DGS

workshop0:视觉大模型高效迁移

在这里插入图片描述

1.视觉大模型微调与轻量化结构设计技术

清华大学 丁贵广

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.高效能个性化图像生成

程明明 南开大学

在这里插入图片描述

workshop1:艺术智能

需要完整课件的可私信

1.从计算人文到计算电影Al时代电影研究的新范式

薄一航-北京电影学院美术学院

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.绘画中的AI

董未名-中国科学院自动化研究所

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

3.人工智能的舞蹈创作与情感融入

姚鸿勋-哈工大

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

4.智能艺术与创新设计—智能篆刻

张克俊-浙大

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

workshop 2:三维重建与生成

1.3DGS重建和生成-方杰民

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.自动驾驶-廖依依

3.神经形态相机视觉计算-施柏鑫

4.激光雷达全球定位-王程

5.鲁棒可扩展的在线三维重建相机跟踪优化与地图表示学习-徐凯

总结

提示：这里对文章进行总结：

例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

VALSE2024 多模态大模型
liguandong
07-11 230
【VALSE2024】0507《Workshop ：多模态大模型》_哔哩哔哩_bilibili。
2016年计算机视觉&机器学习领域国内重要会议 汇总 （持续更新）
计算机视觉life
10-14 1万+
前言国内每年都会举办很多计算机视觉（Computer Vision，CV）、 机器学习（Machine Learning，ML）领域相关的很多学术会议和研讨会等。有一些是收费征稿的学术会议，有一些是免费不征稿的研讨会；有一些偏重学术研究，有一些偏重应用落地；有一些是全英文会议，有一些是中英文通用会议。这些会议和研讨会很多是非常高质量的，邀请的嘉宾都是国内外本行业领域内非常重量级的，笔者之前有幸参加了
VALSE 2024年度进展评述内容分享-世界模型增强下的自动驾驶
audyxiao001的博客
05-07 1770
本文总结了VALSE 2024年度进展评述《世界模型增强下的自动驾驶》的精彩内容，方便读者学习。
VALSE 2024年度进展评述内容分享-视觉通用人工智能
audyxiao001的博客
05-07 737
本文总结了VALSE 2024年度进展评述《视觉通用人工智能》的精彩内容，方便读者学习。
valse2016参会总结
计算机视觉life
04-25 8950
很幸运参加了今年的valse年度盛会，valse是全球计算机视觉，模式识别，机器学习，多媒体技术等相关领域华人青年学者最具影响力的交流平台。随着valse名气越来越大，今年报名也特别火爆，早早就被注册满了。今年在武汉举办，由华科和武大承办。 时间4月22日到24日。参加了三天会议，见识了计算机视觉，机器学习，模式识别，人工智能等领域学术界和工业界最前沿的技术成果，受益匪浅。于是趁热打铁，及时把自己
VALSE2019 参会总结
qq_35417268的博客
04-22 516
VALSE2019参会总结 https://blog.csdn.net/u9Oo9xkM169LeLDR84/article/details/89369431
VALSE2021 会议笔记
masteryi-0018的博客
10-15 910
VALSE2021 会议笔记
VALSE 2020线上大会学生论坛【VALSE Student Seminar】Panel实录
深度学习大讲堂
09-22 1941
首届VALSE Student Seminar于2020年7月31日在VALSE 2020线上大会拉开帷幕，Student Seminar邀请了6名年轻的研究生：张士峰(中国科学院自动化...
VALSE2022天津线下参会个人总结8月22日-1
乄洛尘
08-26 1621
非常幸运也很感谢VALSE给了我这样一个能线下参加的机会，遇到了很多的业界大佬，特别是深度学习领域一些大牛导师和一些代表作的一作们，他们的演讲给予我很多启发与见识，与大牛导师/作者的面对面交流更是让我激动不已。........................
VALSE 2024
05-09
VALSE 2024是一个由中国计算机学会人工智能与模式识别专业委员会主办的国际会议，旨在促进计算机科学与人工智能领域的研究和交流。VALSE 2024的全称是“第三届人工智能与模式识别前沿技术国际会议”，它将于2024年在...
Valse-2021会议报告：基于知识图的自动表示学习
03-29
1.什么是知识图（KG）？ 2.什么是自动机器学习（AutoML）？ 3.通过AutoML攻击KG中的核心问题 4.未来工作和总结
2017年【计算机视觉&机器学习&人工智能】领域重要会议 汇总 （持续更新）
热门推荐
计算机视觉life
11-09 2万+
国内/外每年都会举办很多计算机视觉（Computer Vision，CV）、 机器学习（Machine Learning，ML）、人工智能（Artificial Intelligence ，AI）领域相关的很多学术会议和研讨会等。在此把我所知道的2017年国内/外即将举办的CV和ML领域几个会议和研讨会列出来，希望对读者有用。如有其他我遗漏的，还请各位读者留言提醒，我会及时更新的。AAAI 2017
VALSE2022天津线下参会个人总结8月24日-3
乄洛尘
08-26 776
8月24日的学生论坛我也是偶尔之间注意到的，真的得感谢我的运气和VALSE组委会，虽然没法参加上午的Workshop，但是学生论坛的帮助更甚。太感谢VALSE了，让我能亲眼见到只在视频中出现的人物，Swim-Transformer 的一作刘泽，FCOS的一作田值，RepVGG的一作丁霄汗，南航的刘偲老师（在2020年的CSIG云课堂上见过）。.........
VALSE2022天津线下参会个人总结8月23日-2
乄洛尘
08-26 1969
第一天晚上买了杯猕猴桃味的蜜雪冰城，今天第二天，住的酒店有点远，得起早点咯。
【valse 2024】开幕式内容汇总
最新发布
qq_45752541的博客
05-10 1003
valse2024在重庆召开，VALSE 2024聚焦计算机视觉、模式识别、多媒体和机器学习等领域的国际前沿和热点方向，精彩呈现3场主旨报告、4场特邀报告、12场年度进展评述 (APR)报告、4个讲习班 (Tutorial)、19个研讨会 (Workshop)，以及400余篇近一年顶会顶刊论文海报 (Poster)展示,共计140余位CV/PR/NLP/ML/MM等AI领域学术精英与会呈现了精彩的学术报告。
[科研三四式]_1_VALSE 2014会议收获（怎样参会不白搭）
tinamisu的专栏
04-23 1485
青岛VALSE 2014归来，收获颇多，大体可总结为“三sheng有幸”： 一、第一shen——“深”度学习 强烈体会！ 1、深度学习已经成为无法绕过去的山，几乎所有reviewer都会问和深度学习方法相比是否更优。所以，将来自己的工作一定要用深度学习的方法做，再对比。 2、深度学习仍有很多重要的难点未攻破，为何大小通吃仍是黑盒子一个，仍有空间可研究。 二、第二shen——多“伸”出去
VALSE2019
ScienceRecord
04-19 796
~VALSE~ ~挺不错的计算机视觉会议~ ~今年会议大多聚焦于：弱监督、小样本、GAN、GNN、NAS、通用模型、可解释模型、轻量化模型、以及跨模态等等~ Video：https://www.bilibili.com/video/av49750649 GitHub：https://github.com/666DZY666 微信公众号：ScienceRecord ...
VALSE 2024 Tutorial内容总结--开放词汇视觉感知
audyxiao001的博客
05-07 1663
本文总结了VALSE 2024的Tutorial报告《开放词汇视觉感知》的精彩内容，方便读者学习。
VALSE2022内容总结
qq_45752541的博客
08-24 2690
做记录主要是分享大会介绍的CV领域内最新模型，方便后续可以引经据典。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值