· ai
从 RGB 到 Lab：解决 AI 图像合成中的颜色伪影
一种多层次的分割、颜色校正和特定领域增强方法。文章《从RGB到Lab：解决AI图像合成中的颜色伪影》
-
- · ai
[Paper] WildRayZer：自监督大视角合成在动态环境中
我们提出了 WildRayZer，一个用于新视角合成（NVS）的自监督框架，适用于相机和物体同时移动的动态环境。动态内容…
- · ai
[Paper] Alterbute: 编辑图像中对象的内在属性
我们介绍了 Alterbute，这是一种基于 diffusion 的方法，用于编辑图像中对象的内在属性。我们可以改变颜色、纹理、材料，甚至……
- · ai
[Paper] 从一对一到多对多：动态跨层注入用于深度视觉-语言融合
Vision-Language Models (VLMs) 通过使用一种粗糙、非对称的连接，仅将 vision encoder 的输出链接起来，造成了严重的视觉特征瓶颈……
- · ai
[Paper] 少看，多开：通过 Foundation Models 的随机补丁选择实现可推广的端到端自动驾驶
近期在端到端自动驾驶方面的进展表明，从基础模型中提取的补丁对齐特征训练的策略在对 Out-... 的泛化能力更强。
- · ai
[Paper] CURVE：文化与多语言长视频推理基准
最近在视频模型方面取得了巨大的进展，尤其是在长视频理解方面。然而，当前的基准测试主要呈现……
- · ai
[Paper] CoMoVi：3D 人体动作与真实视频的协同生成
在本文中，我们发现3D人体动作和2D人体视频的生成本质上是耦合的。3D动作为合理性提供结构先验……
- · ai
[Paper] Molmo2：开放权重和数据用于具备视频理解与定位的视觉-语言模型
当今最强的视频语言模型（VLM）仍然是专有的。最强的开源权重模型要么依赖于来自专有 VLM 的合成数据，有效地……
- · ai
[论文] 多目标Pareto前沿优化用于高效自适应VVC流媒体
自适应视频流在过去几年中促进了视频流的改进。需要在比特率、视频质量等编码性能目标之间取得平衡……
- · ai
[Paper] RSATalker：面向多轮对话的真实社交感知 Talking Head 生成
Talking head generation 在虚拟现实（VR）中变得日益重要，尤其是在涉及多轮对话的社交场景中。现有方法……
- · ai
[Paper] Action100M: 大规模视频动作数据集
从视觉观察中推断物理动作是推动 machine intelligence 在物理世界中发展的基本能力。实现这一点需要…
- · ai
[Paper] MHub.ai：简洁、标准化且可复现的医学影像AI模型平台
人工智能（AI）有潜力通过自动化图像分析和加速临床研究来改变医学影像。然而，研究 a...