清华大学智能图形学与几何计算实验室（THU-MIG）在GitHub上开源了名为Large Small Net（LSNet）的新型轻量级视觉模型家族。该模型创新性地借鉴了人类视觉系统的动态异尺度处理能力（"See Large, Focus Small"机制）...

近日，一项名为Test-Time Visual In-Context Tuning（TT-VICT）的创新性研究在计算机视觉领域引发广泛关注。该技术突破性地提出仅利用测试样本即可实现视觉上下文学习模型（VICL）的自适应调优，有效解决了传统方法...

近期，Qwen公司宣布推出了其最新研发的视觉推理模型QvQ，这款模型在视觉理解和推理方面取得了重大突破。QvQ利用深度学习技术，通过分析图像内容，对图像中的对象、场景和动作进行精准识别与推理。QvQ模型的推理能力...

字节跳动近期发布了一项名为'Byte Latent Transformer'的新型算法，在大规模模型训练中，采用了Patch而非Token作为基本的处理单元。该算法对于图像和视频内容的理解与分析展现出了卓越的性能，尤其适用于处理高分辨...

Mamba模型是一种先进的方法，擅长处理长序列，而不会带来传统Transformers的计算缺点。在计算机视觉领域，Mamba模型已经取得了显著的成果，并在多个应用中展现出其优越性。相比于传统的Transformers模型，Mamba模型...

在目标检测领域，单域泛化（S-DG）一直是一个挑战。为了解决这一问题，最新的OA-DG方法应运而生。该方法采用了OA-Mix数据增强技术以及OA-Loss训练策略，旨在提高模型在单域环境下的泛化能力。OA-Mix通过混合不同类别...

近期，一个名为Salience DETR的项目引起了业界关注。该项目采用了层次化显著性过滤技术，对目标检测中的查询选择进行了优化。通过这种方式，Salience DETR在保持计算效率的同时，也提高了检测的准确性。这一技术的出...

最新研究项目YOLOX-ViT在水下机器人领域中引入了一种创新的目标检测方法，该方法通过整合视觉变换器（Visual Transformers）和知识蒸馏（Knowledge Distillation）技术，显著提高了目标检测的准确性和效率。该技术的...