他的首页
他的馆藏
他的动态
馆友反馈
关于他
| 共 52 篇文章 |
|
3DGS、NeRF、结构光、相位偏折术、机械臂抓取、点云实战、Open3D、缺陷检测、BEV感知、Occupancy、Transformer、模型部署、3D目标检测、深度估计、多传感器标定、规划与控制、无人机仿真、三维视觉C 、三维视觉python、dToF、相机标定、ROS2、机器人控制规划、LeGo-LAOM、多模态融合SLAM、LOAM-SLAM、室内室外SLAM、VINS-Fusion、ORB-SLAM3、MV... 阅1 转0 评0 公众公开 24-05-12 14:23 |
作者的模型系列覆盖了从极其紧凑的MNv4-Conv-S设计（拥有3.8M参数和0.2GMACs），在Pixel6CPU上以2.4毫秒内达到73.8%的ImageNet-1Ktop-1准确率，到MNv4-Hybrid-L高端变体，在Pixel8EdgeTPU上以3.8毫秒的运算时间为移动模型准确率树立了新的基准。以下，作者详细介绍了针对UIB模型搜索改进的NAS配方，概述了各种MNv4-Conv模型大小的特定搜索配置... 阅4 转0 评0 公众公开 24-05-05 06:50 |
为了应对这些问题，研究者提出了 Vision Mamba (Vim) 块，它结合了用于数据依赖的全局视觉上下文建模的双向 SSM 和用于位置感知视觉识别的位置嵌入。方法介绍Vision Mamba (Vim) 的目标是将先进的状态空间模型 (SSM)，即 Mamba 引入到计算机视觉。图 1 (b) 和 (c) 比较了小型 Vim 和 DeiT 的 FPS 和 GPU 内存。语义分割如表 2 所示，Vim 在不同... 阅19 转0 评0 公众公开 24-05-03 10:57 |
作者将FastTCM应用于现有的文本检测方法和端到端文本识别方法上进行了实验验证，发现FastTCM可以应用于改进现有的场景文本检测方法和端到端文本识别方法，并且速度有所提升，同时可以提升现有方法的小样本学习能力和泛化能力。表1 分别提升现有的文本检测方法和端到端文本识别方法的性能表2 提升现有的文本检测方法和端到端文本识别方法上的小... 阅7 转0 评0 公众公开 24-05-01 18:13 |
CVPR 2024｜OmniParser：统一图文解析模型：文字检测识别、视觉信息抽取和表格识别作者丨万建强来源丨CSIG文档图像分析与识别专委会编辑丨极市平台。文字图像解析涉及到多种OCR领域核心技术，如文字检测识别，关键信息抽取和表格识别，尽管有部分模型[6-7]尝试仅通过一个模型覆盖多种文字解析任务，但它们通常依赖于外部预先得到的OCR结果或缺... 阅13 转0 评0 公众公开 24-04-18 22:36 |
它通过将图像分成小块，并使用自注意力机制在不同尺度下对图像进行关注，使得模型可以更有效地捕获图像中的局部和全局信息，从而提高了图像分类或故障识别的性能。适应大尺度图像：传统的CNN模型通常在处理大尺度图像时会面临性能下降的问题，而Swin Transformer则通过将图像分成小块，并使用自注意力机制在不同尺度下对图像进行关注，使得模型... 阅32 转1 评1 公众公开 24-03-19 22:23 |
SimpleNet: A Simple Network for Image Anomaly Detection and Localization.SimpleNet由四个组件组成：（1）生成局部特征的预训练特征提取器，（2）将局部特征转移到目标域的浅层特征适配器，（3）通过添加高斯来伪造异常特征的简单异常特征生成器噪声到正常特征，以及（4）区分异常特征和正常特征的二进制异常判别器特征。Masked Swin Trans... 阅210 转0 评0 公众公开 24-03-09 22:39 |
3DiFACE： 语音驱动3D数字人脸部嘴形动画。3DiFACE是一种新颖的基于扩散的语音驱动 3D 面部动画方法。此外，3DiFACE 可用于音频一致的动作编辑。虽然现有方法确定性地从语音预测面部动画，但它们忽略了语音和面部表情之间固有的一对多关系，即存在多个与音频输入匹配的合理面部表情动画。为了实现随机性和运动编辑，作者提出了一种用于 3D 面部... 阅13 转0 评0 公众公开 24-02-21 15:41 |
然后构建区域图（Area Graph）建模这些区域的空间结构，并转换成区域马尔可夫随机场（Area Markov Random Field）和区域贝叶斯网络（Area Bayesian Network），以能量最小化的方式确定区域匹配。最后，?全局能量最小化确定最佳区域匹配，作为后续点匹配器的输入，遵循?区域到点匹配框架，实现精确的特征匹配。通过将区域匹配公式化为由AG转换的... 阅19 转0 评0 公众公开 24-02-14 18:22 |
FLARE2022——快速且低资源的半监督CT影像腹部器官分割。一、FLARE2022介绍腹部器官分割具有许多重要的临床应用，例如器官量化、手术计划和疾病诊断。二、FLARE2022任务 腹部器官分割，包括肝、脾、胰、右肾、左肾、胃、胆囊、食管、主动脉、下腔静脉、右肾上腺、左肾上腺、十二指肠13个器官。四、技术路线采用二阶网络分割提取方法，第一个... 阅15 转0 评0 公众公开 24-01-15 21:34 |
