AI资讯新闻榜单内容搜索-CV

关键词: 数据集,模型训练,CD-ViTO,CD-ViTO

解决跨域小样本物体检测问题，入选ECCV 2024。

关键词: AI,LEGO,模型训练,人工智能

如何基于用户的问题和当前场景的照片，生成同一场景下的第一视角的动作图像，从而更准确地指导用户执行下一步行动？

关键词: 多模态,AI,模型训练,DVLO

视觉 / 激光雷达里程计是计算机视觉和机器人学领域中的一项基本任务，用于估计两幅连续图像或点云之间的相对位姿变换。它被广泛应用于自动驾驶、SLAM、控制导航等领域。最近，多模态里程计越来越受到关注，因为它可以利用不同模态的互补信息，并对非对称传感器退化具有很强的鲁棒性。

关键词: token,AI,模型训练,扩散模型

本论文第一作者倪赞林是清华大学自动化系 2022 级直博生，师从黄高副教授，主要研究方向为高效深度学习与图像生成。他曾在 ICCV、CVPR、ECCV、ICLR 等国际会议上发表多篇学术论文。

关键词: AI,大模型,人工智能,模型训练

来自华南理工大学、新加坡国立大学、昆仑万维以及琶洲实验室的研究者们提出一种新的风格化手写文字生成方法，仅需提供单张参考样本即可临摹用户的书写风格，支持英文，中文和日文三种文字的临摹。

关键词: AI,AI审稿,AI学术,人工智能

「25篇的上限，还是太多了！」

关键词: AI,端到端大模型,AddressCLIP,定位大模型

拔草星人的好消息来啦！中科院自动化所和阿里云一起推出了街景定位大模型，只要一张照片就能实现街道级精度的定位。

关键词: 3DGS,模型训练,AI医疗,X-Gaussian

X-Gaussian是一种新型的3D Gaussian Splatting框架，专为X光新视角合成而设计，以减少医疗成像中的X光辐射剂量，通过高效的渲染技术，能够在保持图像质量的同时显著减少训练时间和提升推理速度。

关键词: Gemini 1.5 Pro,AI,视频理解智能体,智能体,模型训练

视频理解仍然是计算机视觉和人工智能领域的一个主要挑战。最近在视频理解上的许多进展都是通过端到端地训练多模态大语言模型实现的[1,2,3]。然而，当这些模型处理较长的视频时，内存消耗可能会显著增加，甚至变得难以承受，并且自注意力机制有时可能难以捕捉长程关系 [4]。这些问题阻碍了将端到端模型进一步应用于视频理解。

关键词: 多模态,模型训练,Ref-AVS,视频对象分割

让AI像人类一样借助多模态线索定位感兴趣的物体，有新招了！