![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 85
硅谷秋水
计算机视觉、图像视频处理、机器学习(深度学习)、自动驾驶、大模型和具身智体。
展开
-
意图驱动的 Ego-to-Exo 视频生成
24年3月来自中科大和阿里的论文“Intention-driven Ego-to-Exo Video Generation”。原创 2024-08-29 00:07:13 · 459 阅读 · 0 评论 -
Ego4D 目标-步:实现对程序化活动的分层理解
NeurIPS‘23来自Meta FAIR的论文“Ego4D Goal-Step: Toward Hierarchical Understanding of Procedural Activities”。原创 2024-08-29 00:04:27 · 474 阅读 · 0 评论 -
BridgeData V2:大规模机器人学习数据集
24年1月来自UCBerkeley、Stanford、Google和CMU的论文“BridgeData V2: A Dataset for Robot Learning at Scale”。原创 2024-08-28 00:09:27 · 605 阅读 · 0 评论 -
Bridge 数据:利用跨域数据集促进机器人技能的泛化
21年9月来自UC Berkeley、Stanford和UPenn的论文“Bridge Data: Boosting Generalization of Robotic Skills with Cross-Domain Datasets”。原创 2024-08-28 00:08:28 · 503 阅读 · 0 评论 -
COM Kitchens:未经编辑的俯视视频数据集作为视觉-语言基准
24年8月来自OMRON SINIC X公司等几家日本研究机构的论文“COM Kitchens: An Unedited Overhead-view Video Dataset as a Vision-Language Benchmark”。原创 2024-08-28 00:07:32 · 313 阅读 · 0 评论 -
杂乱环境中基于学习的机器人操作:综述
22年10月 Sensors 的论文“Review of Learning-Based Robotic Manipulation in Cluttered Environments”。原创 2024-08-27 00:16:52 · 752 阅读 · 0 评论 -
通过观看学习:基于视频机器人操作的学习方法综述
24年2月来自Oklahoma州立大学的论文“Learning by Watching: A Review of Video-based Learning Approaches for Robot Manipulation”。原创 2024-08-27 00:14:53 · 969 阅读 · 0 评论 -
多面手机器人从网络视频中学习:综述
24年6月来自英国UCL的论文“Towards Generalist Robot Learning from Internet Video: A Survey”。原创 2024-08-24 00:08:19 · 954 阅读 · 0 评论 -
堆叠时间注意:改善第一人称的视频动作识别
21年发表在BMVC的东京大学论文“Stacked Temporal Attention: Improving First-person Action Recognition by Emphasizing Discriminative Clips”。原创 2024-08-23 00:09:49 · 752 阅读 · 0 评论 -
一体式机器人:多功能通用具身智体的新标准和统一数据集
24年8月来自鹏城实验室、南方科技大学和中山大学的论文“All Robots in One: A New Standard and Unified Dataset for Versatile, General-Purpose Embodied Agents”。原创 2024-08-23 00:08:55 · 956 阅读 · 0 评论 -
Ego4D:3000 小时以自我为中心环游世界的视频
22年3月来自Facebook FAIR 为首等众多研究机构的论文“Ego4D: Around the World in 3,000 Hours of Egocentric Video”。原创 2024-08-23 00:07:36 · 670 阅读 · 0 评论 -
Ego-Exo 4D:从第一人称和第三人称视角理解熟练的人类活动
24年4月来自Meta FAIR为首的众多研究机构合写论文“Ego-Exo 4D: Understanding Skilled Human Activity from First- and Third-Person Perspectives”。原创 2024-08-23 00:06:25 · 1035 阅读 · 0 评论 -
从以自我为中心视频中学习用于机器人操作的精确affordance
24年8月来自英国爱丁堡大学和华为诺亚实验室的论文“Learning Precise Affordances from Egocentric Videos for Robotic Manipulation”。原创 2024-08-22 00:09:59 · 742 阅读 · 0 评论 -
EgoVideo:探索以自我为中心基础模型和对下游的适配
24年7月来自上海AI实验室、浙大、南大、复旦、东大和中科院深圳研究所等多个高校研究机构的论文“EgoVideo: Exploring Egocentric Foundation Model and Downstream Adaptation”。原创 2024-08-22 00:08:46 · 696 阅读 · 0 评论 -
EgoExoLearn:一个桥接现实世界中程序活动的异步以自我为中心和以外部为中心视图的数据集
24年6月来自上海AI实验室的论文“EgoExoLearn: A Dataset for Bridging Asynchronous Ego- and Exo-centric View of Procedural Activities in Real World”。原创 2024-08-22 00:05:30 · 887 阅读 · 0 评论 -
将大语言模型嵌入扩展现实:包容性、参与度和隐私方面的机遇与挑战
24年6月来自慕尼黑工大的论文“Embedding Large Language Models into Extended Reality: Opportunities and Challenges for Inclusion, Engagement, and Privacy”。原创 2024-08-21 00:13:49 · 869 阅读 · 0 评论 -
EmBARDiment:XR 产品的具身 AI 智体
24年8月来自谷歌的论文“EmBARDiment: an Embodied AI Agent for Productivity in XR”。原创 2024-08-21 00:12:52 · 420 阅读 · 0 评论 -
MASt3R 落地 3D 的图像匹配
24年6月来自欧洲Naver实验室的论文“Grounding Image Matching in 3D with MASt3R”。原创 2024-08-21 00:09:06 · 903 阅读 · 0 评论 -
DUSt3R:轻松实现几何 3D 视觉
23年CVPR来自芬兰一所大学和欧洲Naver Labs的论文“DUSt3R: Geometric 3D Vision Made Easy”。原创 2024-08-21 00:06:53 · 1013 阅读 · 0 评论 -
神经渲染的进展综述
22年3月EuroGraphics‘2022 综述论文“Advances in Neural Rendering“,作者来自MPI、谷歌研究、ETH、MIT、Reality Labs Research、慕尼黑工大和斯坦福大学。原创 2024-08-04 00:10:24 · 655 阅读 · 0 评论 -
神经体绘制:NeRF及其以外方法
21年1月来自乔治亚理工和麻省理工的合著论文“NEURAL VOLUME RENDERING: NERF AND BEYOND“。原创 2024-08-04 00:09:06 · 573 阅读 · 0 评论 -
3D 高斯Splatting:综述、技术、挑战和机遇
24年7月来自南京大学、微软和Rochester大学的论文“3D Gaussian Splatting: Survey, Technologies, Challenges, and Opportunities”。原创 2024-08-01 00:01:25 · 996 阅读 · 0 评论 -
高斯Splatting:3D 重建与新视图合成的综述
24年5月来自挪威大学的论文“Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review”。原创 2024-07-31 00:06:01 · 1088 阅读 · 0 评论 -
3D Gaussian Splatting的进展
24年3月来自中科院计算所和UCSB的论文“Recent Advances in 3D Gaussian Splatting”。原创 2024-07-31 00:05:08 · 866 阅读 · 0 评论 -
3D Gaussian Splatting综述
24年1月来自浙江大学的论文“3D Gaussian splatting”。原创 2024-07-31 00:04:05 · 330 阅读 · 0 评论 -
3D 高斯作为新视觉时代:综述
24年2月来自复旦和南洋理工的论文“3D Gaussian as a New Vision Era: a Survey ”。原创 2024-07-30 02:07:37 · 635 阅读 · 0 评论 -
VoxPoser: 采用语言模型实现机器人操作的可组合3D价值图
23年7月份来自斯坦福和UIUC的论文“VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models“。原创 2024-07-30 00:15:11 · 733 阅读 · 0 评论 -
利用潜世界模型增强端到端自动驾驶
24年6月来自中科院自动化所、中科大和中科院香港创新研究院的论文“Enhancing End-to-End Autonomous Driving with Latent World Model”。原创 2024-07-30 00:09:59 · 1201 阅读 · 0 评论 -
RoDE:食品的多模态专家混合模型
24年7月来自复旦大学和新加坡管理学院的论文“RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models”。原创 2024-07-26 00:11:37 · 475 阅读 · 0 评论 -
谷歌的多模态语言大模型:PaLM-E
23年3月份谷歌(包括柏林工大)发布了一个多模态语言大模型PaLM-E,发表论文即“PaLM-E: An Embodied Multimodal Language Model“。原创 2024-07-26 00:09:37 · 993 阅读 · 0 评论 -
Med-MoE:轻量级医学视觉-语言模型的域特定专家混合
24年4月来自浙大、新加坡国立和北大的论文“Med-MoE: Mixture of Domain-Specific Experts for Lightweight Medical Vision-Language Models”。原创 2024-07-25 00:41:58 · 413 阅读 · 0 评论 -
MoE-LLaVA:大视觉-语言模型的专家混合
24年1月来自北大、中山大学和FarReel AI Lab等单位的论文“MoE-LLaVA: Mixture of Experts for Large Vision-Language Models”。原创 2024-07-24 00:07:43 · 463 阅读 · 0 评论 -
OmniBind:绑定空间实现大规模全多模态表征
24年7月来自浙大和香港大学的论文“OmniBind: Large-scale Omni Multimodal Representation via Binding Spaces”。原创 2024-07-24 00:07:11 · 369 阅读 · 0 评论 -
VPT:一个视觉提示调优方法
22年3月来自Cornell大学、Meta AI和哥本哈根大学的论文“Visual Prompt Tuning”。原创 2024-07-03 00:04:13 · 338 阅读 · 0 评论 -
LLaMA-Adapter:零初始注意机制的语言模型高效微调
23年6月来自上海AI实验室,香港中文大学和UCLA的论文“LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention“。原创 2024-07-02 00:51:44 · 1028 阅读 · 0 评论 -
LLaMA-Adapter V2:参数高效的视觉指令模型
23年4月来自上海AI实验室,香港中文大学和Rutgers大学的论文“LLaMA-Adapter V2: Parameter-Efficient Visual Instruction Model“。原创 2024-07-02 00:50:20 · 828 阅读 · 0 评论 -
Uni3D:探索规模上统一的3D表征
23年10月来自北京智源、清华和北大的论文“Uni3D: Exploring Unified 3D Representation At Scale“。原创 2024-06-26 00:43:50 · 591 阅读 · 0 评论 -
PonderV2:一个广泛适用的预训练为3D基础模型铺路
23年10月来自上海AI实验室、香港大学、浙江大学和中科大的论文“PonderV2: Pave the Way for 3D Foundataion Model with A Universal Pre-training Paradigm“。原创 2024-06-25 01:08:27 · 957 阅读 · 0 评论 -
Aladdin: 从抽象场景描述得到风格化3D物体模型的零样本幻觉
23年6月来自斯坦福团队的论文“Aladdin: Zero-Shot Hallucination of Stylized 3D Assets from AbstractScene Descriptions“。原创 2024-06-24 00:01:34 · 587 阅读 · 0 评论 -
WEDGE:通过生成视觉语言大模型DAALL-E构建的自动驾驶多种天气数据集
23年5月主要来自CMU团队的论文“WEDGE: A multi-weather autonomous driving dataset built from generative vision-language models“。原创 2024-06-23 01:40:02 · 498 阅读 · 0 评论