· ai
[Paper] 统一原语代理用于结构化形状补全
结构化形状补全将缺失的几何体恢复为基元，而不是无结构点，这使得基元驱动的表面重建成为可能。 In...
-
- · ai
[Paper] 使用多模态大语言模型对手写工程考试进行评分
手写的 STEM 考试捕捉开放式推理和图示，但人工评分速度慢且难以规模化。我们提出了一种端到端的工作流用于评分……
- · ai
[Paper] 多层特征融合用于视觉质量检测的持续学习
深度神经网络在制造业中自动化各种视觉质量检测任务方面显示出巨大的潜力。然而，它们的适用性在…
- · ai
[Paper] 检测病理视觉-语言模型在数据漂移下的性能下降
Vision-Language Models 已经在医学图像分析和疾病诊断中展示了强大的潜力。然而，在部署后，它们的性能可能…
- · ai
[Paper] 使用空间下采样各向同性网络的高效深度去马赛克
在数字成像中，图像去马赛克是一个关键的第一步，它从颜色滤光阵列（CFA）中恢复RGB信息。通常，深度学习被…
- · ai
PyTorch vs. TensorFlow：为2026年选择您的AI框架
什么是 TensorFlow？TensorFlow 由 Google Brain 开发，是一个强大且多功能的框架，以其丰富的工具、库和资源而闻名。
- · ai
计算机视觉服务：使用 Oodles 构建智能视觉系统
图像和视频包含海量数据——但要从中提取有意义的洞察需要先进的 AI 系统。Computer Vision Services https://www...
- · ai
[Paper] SpaceTimePilot: 生成式渲染跨时空的动态场景
我们提出了 SpaceTimePilot，一种视频扩散模型，能够将空间和时间解耦，以实现可控生成渲染。给定单目视频，SpaceTimePil...
- · ai
[Paper] GaMO：几何感知 多视角 Diffusion Outpainting 用于稀疏视角 3D 重建
最近在3D重建方面的进展在从密集多视图图像捕获高质量场景方面取得了显著进展，但在输入视角…
- · ai
[Paper] Edit3r：从稀疏未配准图像的即时3D场景编辑
我们提出 Edit3r，一个前馈框架，能够在一次传递中从未配准、视角不一致、经过指令编辑的图像中重建并编辑 3D 场景。U...
- · ai
[Paper] FineTec：在时间扰动下通过骨架分解和序列补全进行细粒度动作识别
从 temporally corrupted skeleton sequences 中识别 fine-grained actions 仍然是一个重大挑战，尤其是在 online 的真实场景中……
- · ai
[Paper] 从 Inpainting 到 Editing：自举框架用于情境丰富的视觉配音
音频驱动的视觉配音旨在将视频的唇部动作与新的语音同步，但由于缺乏理想的训练数据，根本上面临挑战：pai...