尽管大型语言模型（LLMs）在众多自然语言处理任务中取得了成功，但在交通安全领域却显得力不从心，因为这需要专门的知识。为解决这个问题，研究人员开发了TrafficSafetyGPT，这是一个经过独特数据集微调的LLM模型。...

这项研究提出了一个新的范式，用于创建大规模、多样化的数据集，以训练AI代理进行视觉导航。在这种新的方法中，我们采用了一种创新的数据生成策略，这种策略能够有效地处理大规模的数据，同时保证数据的多样性和质量...

近日，已发布超过400万对高质量、经过策划的文本和图像对，用于视觉问题回答。所有这些数据都是由Midjourney合成生成的，因此有人戏称这个数据集为Midjourney蒸馏数据集。这意味着该数据集能够提供丰富的视觉和语言...

这个仓库介绍了HQTrack，这是一个高质量的视频对象追踪框架，利用先进的感知算法来追踪单个和多个对象，同时精细化他们的边界。尽管只在有限的数据集上进行训练，HQTrack通过在不使用任何额外的数据增强或模型集成的...

近日，研究人员推出了一个名为SlowTV的大规模数据集，该数据集主要从YouTube收集而来，旨在提升自监督单目深度估计模型在不同环境下的深度理解能力。这些环境场景包括徒步旅行的小路、水下场景以及室内空间等。通过...

估计手部与物体接触的时机对于增强现实/虚拟现实和机器人技术来说是一项关键挑战。在深度学习领域，数据就是女王。这个新的大规模数据集包含了数百万帧的标注数据，可用于执行各种任务，如手部重构、模拟物体运动等...

最近，一篇新的研究论文介绍了一种名为“神经视频深度稳定器”的新方法，可以在视频中提供一致且准确的深度估计。同时，研究团队还发布了有史以来最大的自然场景视频深度数据集，名为“野生视频深度”。通过这种新的方法...

该项目介绍了Video-FocalNet，这是一个有效而高效的视频识别系统，它将Transformer和卷积模型的优点合二为一。Video-FocalNet采用了独特的方法，能够有效地分析视频的局部和全局上下文，这使得它在多个大型数据集上...