虽然统一多模态模型（UMMs）在跨模态理解方面取得了显著成功，但它们在利用 su… 能力方面仍然存在显著差距。

多模态医学大型语言模型在胸部X光解读方面表现出令人印象深刻的进展，但仍然面临空间推理和……

基础模型（FMs）被视为一种变革性的突破，已开始重塑人工智能（AI）的未来，跨越学术...

扩散模型在图像和视频生成方面取得了显著成功。然而，它们固有的多步推理过程会带来巨大的计算成本……

精确且可扩展的细胞核实例分割对于计算病理学至关重要，然而千兆像素全切片图像带来了巨大的计算挑战。

尽管在高保真图像合成方面取得了令人印象深刻的进展，生成模型在逻辑密集型指令遵循方面仍然存在困难，暴露出一个持续的……

概述：全局注意力帮助计算机更好地看图像——不会丢失细节。通过在整幅图像中保留信息，模型可以保留……

检测未知的 deepfake 操作仍然是 face forgery detection 中最具挑战性的问题之一。当前最先进的方法未能生成……

我们提出了 VINO，一个统一的视觉生成器，能够在单一框架内进行图像和视频的生成与编辑。它不依赖于特定任务的……

我们介绍了 Talk2Move，这是一种基于强化学习（RL）的扩散框架，用于文本指令驱动的场景中对象的空间变换。Spatially m...

偏远地区的农民需要快速可靠的植物病害识别方法，但他们往往缺乏实验室或高性能计算的渠道。

最近的研究提出将 3DGS 与语义特征向量相结合，以实现语义分割和图像渲染的同步进行。然而，这些方法通常将……

我们提出 BEDS（Bayesian Emergent Dissipative Structures），一个统一 non-equilibrium thermodynamics、Bayesian inference 等概念的理论框架。

无接触指纹识别提供了一种卫生且方便的替代方案，取代接触式系统，实现快速采集，无需潜在指纹，预…

Geo-Foundation Models（GFMs）已在多种下游应用中证明有效，包括语义分割、分类和回归任务。H...

单目全向视觉里程计（OVO）系统利用 360 度相机克服透视 VO 系统的视场限制。然而，ex...

随着人口增长，废物产生量不断增加，这对有效管理和回收材料带来了挑战。人工废物分类是……

基础分割模型，例如 Segment Anything Model（SAM），通过大规模预训练展现出强大的零样本泛化能力，但适应 th...

在图像中寻找最具信息量的点 这篇文章《Feature Detection, Part 3: Harris Corner Detection》首次发表于 Towards Data Science....

卷积神经网络（CNN）是视觉识别的标准方法，因为它们能够从原始像素中学习层次化表示……

基于指令的图像编辑是生成式 AI 中发展最快的领域之一。过去一年里，该领域已经达到新的水平，出现了数十个……

对 YOLOv1 如何衡量其目标检测和分类预测的正确性进行解释。帖子《YOLOv1 Loss Function Walkthrough: Regressi...》

Lumpy Skin Disease (LSD) 是一种传染性病毒感染，显著恶化牲畜健康，从而对全球经济构成严重威胁……

人脸验证系统已经取得了显著进展；然而，它们在决策过程中的透明度往往不足。在本文中，我们介绍…