转载：计算机视觉Paper with code-2023.10.31

已于 2023-11-08 12:22:17 修改
阅读量149 收藏
点赞数
分类专栏： 图像处理+python+深度学习 文章标签： 计算机视觉 人工智能
于 2023-11-08 12:16:43 首次发布

原文链接：计算机视觉Paper with code-2023.10.31

留存备用。

1.【基础网络架构】（NeurIPS2023）Fast Trainable Projection for Robust Fine-Tuning

  • 论文地址：https://arxiv.org//pdf/2310.19182

  • 开源代码：https://github.com/GT-RIPL/FTP

图片

2.【基础网络架构：Transformer】TransXNet: Learning Both Global and Local Dynamics with a Dual Dynamic  Token Mixer for Visual Recognition

  • 论文地址：https://arxiv.org//pdf/2310.19380

  • 开源代码（即将开源）：https://github.com/LMMMEng/TransXNet

图片

3.【图像分类】（NeurIPS2023）Analyzing Vision Transformers for Image Classification in Class  Embedding Space

  • 论文地址：https://arxiv.org//pdf/2310.18969

  • 开源代码：https://github.com/martinagvilas/vit-cls_emb

图片

4.【目标检测】RGB-X Object Detection via Scene-Specific Fusion Modules

  • 论文地址：https://arxiv.org//pdf/2310.19372

  • 开源代码：https://github.com/dsriaditya999/RGBXFusion

图片

5.【目标检测】A High-Resolution Dataset for Instance Detection with Multi-View  Instance Capture

  • 论文地址：https://arxiv.org//pdf/2310.19257

  • 开源代码：https://github.com/insdet/instance-detection

图片

6.【目标检测】PrObeD: Proactive Object Detection Wrapper

  • 论文地址：https://arxiv.org//pdf/2310.18788

  • 开源代码（即将开源）：https://github.com/vishal3477/Proactive-Object-Detection#proactive-object-detection

图片

7.【异常检测】Myriad: Large Multimodal Model by Applying Vision Experts for Industrial  Anomaly Detection

  • 论文地址：https://arxiv.org//pdf/2310.19070

  • 开源代码（即将开源）：https://github.com/tzjtatata/Myriad

图片

8.【异常检测】AnomalyCLIP: Object-agnostic Prompt Learning for Zero-shot Anomaly  Detection

  • 论文地址：https://arxiv.org//pdf/2310.18961

  • 开源代码（即将开源）：https://github.com/zqhang/AnomalyCLIP

图片

9.【语义分割】（NeurIPS2023）Revisiting Evaluation Metrics for Semantic Segmentation: Optimization  and Evaluation of Fine-grained Intersection over Union

  • 论文地址：https://arxiv.org//pdf/2310.19252

  • 开源代码：https://github.com/zifuwanggg/JDTLosses

图片

10.【语义分割】（NeurIPS2023）Switching Temporary Teachers for Semi-Supervised Semantic Segmentation

  • 论文地址：https://arxiv.org//pdf/2310.18640

  • 开源代码（即将开源）：https://github.com/naver-ai/dual-teacher

图片

11.【Open-Vocabulary Segmentation】（NeurIPS2023）Uncovering Prototypical Knowledge for Weakly Open-Vocabulary Semantic  Segmentation

  • 论文地址：https://arxiv.org//pdf/2310.19001

  • 开源代码（即将开源）：https://github.com/Ferenas/PGSeg

图片

12.【视频语义分割】（NeurIPS2023）Mask Propagation for Efficient Video Semantic Segmentation

  • 论文地址：https://arxiv.org//pdf/2310.18954

  • 开源代码（即将开源）：https://github.com/ziplab/MPVSS

图片

13.【超分辨率重建】（NeurIPS2023）Efficient Test-Time Adaptation for Super-Resolution with Second-Order  Degradation and Reconstruction

  • 论文地址：https://arxiv.org//pdf/2310.19011

  • 开源代码（即将开源）：https://github.com/DengZeshuai/SRTTA

图片

14.【超分辨率重建】EDiffSR: An Efficient Diffusion Probabilistic Model for Remote Sensing  Image Super-Resolution

  • 论文地址：https://arxiv.org//pdf/2310.19288

  • 开源代码（即将开源）：https://github.com/XY-boy/EDiffSR

图片

15.【领域泛化】（NeurIPS2023）SimMMDG: A Simple and Effective Framework for Multi-modal Domain  Generalization

  • 论文地址：https://arxiv.org//pdf/2310.19795

  • 开源代码（即将开源）：https://github.com/donghao51/SimMMDG

图片

16.【领域泛化】（WACV2024）Domain Generalisation via Risk Distribution Matching

  • 论文地址：https://arxiv.org//pdf/2310.18598

  • 开源代码：https://github.com/nktoan/risk-distribution-matching

图片

17.【多模态】Harvest Video Foundation Models via Efficient Post-Pretraining

  • 论文地址：https://arxiv.org//pdf/2310.19554

  • 开源代码：https://github.com/OpenGVLab/InternVideo

图片

18.【多模态】IterInv: Iterative Inversion for Pixel-Level T2I Models

  • 论文地址：https://arxiv.org//pdf/2310.19540

  • 开源代码（即将开源）：https://github.com/Tchuanm/IterInv

图片

19.【多模态】Generating Context-Aware Natural Answers for Questions in 3D Scenes

  • 论文地址：https://arxiv.org//pdf/2310.19516

  • 开源代码（即将开源）：https://github.com/MunzerDw/Gen3DQA

图片

20.【多模态】Text-to-3D with Classifier Score Distillation

  • 论文地址：https://arxiv.org//pdf/2310.19415

  • 工程主页：https://xinyu-andy.github.io/Classifier-Score-Distillation/

  • 代码即将开源

图片

21.【多模态】Dynamic Task and Weight Prioritization Curriculum Learning for  Multimodal Imagery

  • 论文地址：https://arxiv.org//pdf/2310.19109

  • 开源代码：https://github.com/fualsan/DATWEP

图片

22.【多模态】TESTA: Temporal-Spatial Token Aggregation for Long-form Video-Language  Understanding

  • 论文地址：https://arxiv.org//pdf/2310.19060

  • 开源代码：https://github.com/RenShuhuai-Andy/TESTA

图片

23.【多模态】Customizing 360-Degree Panoramas through Text-to-Image Diffusion Models

  • 论文地址：https://arxiv.org//pdf/2310.18840

  • 开源代码：https://github.com/littlewhitesea/StitchDiffusion

图片

24.【多模态】ROME: Evaluating Pre-trained Vision-Language Models on Reasoning beyond  Visual Common Sense

  • 论文地址：https://arxiv.org//pdf/2310.19301

  • 开源代码（即将开源）：https://github.com/K-Square-00/ROME

图片

25.【多模态】Apollo: Zero-shot MultiModal Reasoning with Multiple Experts

  • 论文地址：https://arxiv.org//pdf/2310.18369

  • 开源代码：https://github.com/danielabd/Apollo-Cap

图片

26.【自监督学习】Local-Global Self-Supervised Visual Representation Learning

  • 论文地址：https://arxiv.org//pdf/2310.18651

  • 开源代码：https://github.com/alijavidani/Local_Global_Representation_Learning

图片

27.【自监督学习】（NeurIPS2023）InstanT: Semi-supervised Learning with Instance-dependent Thresholds

  • 论文地址：https://arxiv.org//pdf/2310.18910

  • 开源代码（即将开源）：https://github.com/tmllab/2023_NeurIPS_InstanT

图片

28.【单目3D目标检测】ODM3D: Alleviating Foreground Sparsity for Enhanced Semi-Supervised  Monocular 3D Object Detection

  • 论文地址：https://arxiv.org//pdf/2310.18620

  • 开源代码（即将开源）：https://github.com/arcaninez/odm3d

图片

29.【自动驾驶：协同感知】Dynamic V2X Autonomous Perception from Road-to-Vehicle Vision

  • 论文地址：https://arxiv.org//pdf/2310.19113

  • 开源代码（即将开源）：https://github.com/tjy1423317192/AP2VP

图片

30.【自动驾驶：深度估计】（NeurIPS2023）Dynamo-Depth: Fixing Unsupervised Depth Estimation for Dynamical Scenes

  • 论文地址：https://arxiv.org//pdf/2310.18887

  • 工程主页：https://dynamo-depth.github.io/

  • 开源代码（即将开源）：https://github.com/YihongSun/Dynamo-Depth

图片

31.【图像编辑】（EMNLP2023）Learning to Follow Object-Centric Image Editing Instructions Faithfully

  • 论文地址：https://arxiv.org//pdf/2310.19145

  • 开源代码：https://github.com/tuhinjubcse/FaithfulEdits_EMNLP2023

图片

32.【视频生成】VideoCrafter1: Open Diffusion Models for High-Quality Video Generation

  • 论文地址：https://arxiv.org//pdf/2310.19512

  • 工程主页：https://ailab-cvc.github.io/videocrafter/

  • 开源代码：https://github.com/AILab-CVC/VideoCrafter

图片

33.【知识蒸馏】One-for-All: Bridge the Gap Between Heterogeneous Architectures in  Knowledge Distillation

  • 论文地址：https://arxiv.org//pdf/2310.19444

  • 开源代码：https://github.com/Hao840/OFAKD

图片

34.【Continual Learning】（NeurIPS2023）NPCL: Neural Processes for Uncertainty-Aware Continual Learning

  • 论文地址：https://arxiv.org//pdf/2310.19272

  • 开源代码（即将开源）：https://github.com/srvCodes/NPCL

图片

推荐阅读：

[1]读研期间，如何快速上手计算机视觉？

[2]23篇YOLO目标检测论文及代码分享

[3]Vision Transformer近三年18篇论文和代码分享

[4]人体姿态估计2023年最新论文和开源代码汇总（上）

[5]5分钟搞定深度学习中间特征可视化

[6]无监督视频实例分割新方法VideoCutLER！猛猛涨点！

[7]RevColV2：视觉预训练模型涨点！旷视提出将解耦表征应用于视觉预训练模型

[8]ICLR2023|解耦表征提升CNN和ViT性能！旷视等提出

[9]ICCV2023|涨点神器！目标检测蒸馏学习新方法，浙大、海康威视等提出

[10]EViT：借鉴鹰眼视觉结构，南开大学等提出ViT新骨干架构，在多个任务上涨点

[11]HSN：微调预训练ViT用于目标检测和分割的新方法，华南理工和阿里巴巴联合提出

[12]港科大提出适用于夜间场景语义分割的无监督域自适应新方法

[13]2023年9月-10月最新4篇带有开源代码的图像增强论文

[14]图像分类任务ViT与CNN谁更胜一筹？DeepMind用实验证明

[15]YOLO目标检测器中间特征可视化代码

wuling129
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Dynamo-Depth：Fixing Unsupervised Depth Estimation for Dynamical Scenes
m_buddy的博客
02-02 637
而3D运动场就是场景中每个像素在3D下的运动估计，之前的论文中有直接对它进行稀疏化约束的，对应实验结果也证明是可行的。基于上面对不同epoch深度估计模型的观察，深度估计上的空洞是在迭代的后期才出现的，那么可以取未经过改进的自监督深度估计（如第5 epoch下）前期模型用于运动目标mask和3D运动场的初始化，有助于整体网络的稳定。这是一份很棒的工作，对自监督深度估计中的运动目标场景做了细致分析，并给出了对应解决方案以提升自监督深度架构对于运动目标深度估计的性能。对原始自监督深度估计的模型观察，文章指出。
keysound:按键声音游戏的使用-howler.js -paper.js https
05-12
结合这两个库，"keysound"游戏可以创建出一个交互式的体验：当用户点击或按下键盘上的特定键时，不仅会有视觉反馈（如按键形状改变或得分增加），还能听到相应的按键声音。这种结合增强了游戏的沉浸感和趣味性。 ...
CV计算机视觉每日开源代码Paper with code速览-2023.10.31
CV计算机视觉
11-02 455
群内包含目标检测、图像分割、目标跟踪、Transformer、多模态、NeRF、GAN、缺陷检测、显著目标检测、关键点检测、超分辨率重建、SLAM、人脸、OCR、生物医学图像、三维重建、姿态估计、自动驾驶感知、深度估计、视频理解、行为识别、图像去雾、图像去雨、图像修复、图像检索、车道线检测、点云目标检测、点云分割、图像压缩、运动预测、神经网络量化、网络部署等多个领域的大佬，
CV计算机视觉每日开源代码Paper with code速览-2023.10.10
CV计算机视觉
10-11 284
论文已打包，文内附下载链接~
CV计算机视觉每日开源代码Paper with code速览-2023.11.14
CV计算机视觉
11-18 238
10.【多模态】Q-Instruct: Improving Low-level Visual Abilities for Multi-modality Foundation Models。7.【多模态】GPT-4V in Wonderland: Large Multimodal Models for Zero-Shot Smartphone GUI Navigation。9.【多模态】InfMLLM: A Unified Framework for Visual-Language Tasks。
CV计算机视觉每日开源代码Paper with code速览-2023.10.20
CV计算机视觉
10-21 433
6.【医学图像分割】DA-TransUNet: Integrating Spatial and Channel Dual Attention with Transformer U-Net for Medical Image Segmentation。5.【点云分割】2D-3D Interlaced Transformer for Point Cloud Segmentation with Scene-Level Supervision。
CV计算机视觉每日开源代码Paper with code速览-2023.12.1
CV计算机视觉
12-07 379
点击@CV计算机视觉，关注更多CV干货论文已打包，点击进入—>下载界面点击加入—>CV计算机视觉交流群
CV计算机视觉每日开源代码Paper with code速览-2023.12.7
CV计算机视觉
12-12 245
群内包含目标检测、图像分割、目标跟踪、Transformer、多模态、NeRF、GAN、缺陷检测、显著目标检测、关键点检测、超分辨率重建、SLAM、人脸、OCR、生物医学图像、三维重建、姿态估计、自动驾驶感知、深度估计、视频理解、行为识别、图像去雾、图像去雨、图像修复、图像检索、车道线检测、点云目标检测、点云分割、图像压缩、运动预测、神经网络量化、网络部署等多个领域的大佬，
CV计算机视觉每日开源代码Paper with code速览-2023.11.30
CV计算机视觉
12-06 285
点击@CV计算机视觉，关注更多CV干货论文已打包，点击进入—>下载界面点击加入—>CV计算机视觉交流群
CV计算机视觉每日开源代码Paper with code速览-2023.10.23
CV计算机视觉
10-25 794
8.【自动驾驶：多任务】LeTFuser: Light-weight End-to-end Transformer-Based Sensor Fusion for Autonomous Driving with Multi-Task Learning。7.【自动驾驶：BEV】EarlyBird: Early-Fusion for Multi-View Tracking in the Bird's Eye View。
Top-conference-paper-list-main.zip
06-13
标题中的"Top-conference-paper-list-main.zip"表明这是一个包含顶级会议论文列表的压缩文件，通常这类文件会列举出在计算机科学、信息技术或相关领域的重要学术会议上的优秀论文。这些会议可能包括但不限于ACM ...
Matlab code of the paper T.-N. Do, V.-D. Nguyen, O.-S Shin
07-23
Matlab code of the paper T.-N. Do, V.-D. Nguyen, O.-S Shin, and B. An, Simultaneous Uplink and Downlink Transmissions for Wireless Powered Communication Networks, in IEEE Communications Letters, 2018....
px4flow-paper.zip
07-21
px4flow_paper.zip
paper-multisensored-fusion.rar_paper
07-14
paper multisensored fusion
Yolov8在RK3588上进行自定义目标检测(一)
最新发布
Xiao_Ya__的博客
08-03 368
Yolov8在RK3588上进行自定义目标检测(一)
常见的文心一言的指令
知码客
07-25 1991
文心一言，作为百度研发的预训练语言模型“ERNIE 3.0”的一项功能，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。
Transformer 架构告诉我们什么？
2401_85233349的博客
08-01 1118
在传统的心理语言学方法中，人类语言是用可解释的模型来解释的，这些模型将符号元素（例如名词、动词、形容词、副词等）与基于规则的操作相结合。从几何上讲，它们之间的夹角越小，余弦值和点积就越大，并且这两个词在特定上下文中的相关性就越高，就像在高维空间中表示的那样。，Transformer 作为过度参数化的简单模型所展现出的蛮力学习，与进化过程类似，都是“简单而简约的”。下面是一个简单的示例，展示了词向量的基本概念。有趣的是，A 和 B 的相关系数也是角度的余弦（见上文 (2) 和 (3) 的公式）。
带并行卷积的水下图像背景前景分割方法
renhongxia1的博客
07-30 1136
图6，7为不同照度条件下水下图像及在不同分割方法的实验结果，其中第1，4行的原始图像为13.826 lx照度下采集的，第2，5行为6.947 lx照度下采集的，第3，6行为0.925 lx照度下采集的。在进行图像采集时，图6，7中，目标距离采集设备分别为1.4，1 m。图5是相机距目标1.4 m处采集的图像，图5a）为空气中的图像，图5b）为照度为13.826 lx条件下采集的水下图像，图5c）为照度为6.947 lx条件下采集的水下图像，图5d）为照度为0.925 lx条件下采集的水下图像。
H.264/MPEG-4 Part 10:新一代视频压缩标准解析
"H.264-MPEG-4 Part 10 White Paper.pdf" 这篇白皮书概述了H.264/MPEG-4 Part 10标准，这是一个革命性的视频压缩技术，对数字电视、DVD视频以及互联网视频应用产生了深远影响。H.264是MPEG系列中的下一个标准，它在...
评论
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