Learn more about Computer vision - Section 2

认识DreamSync：一种新的人工智能框架，通过从图像理解模型中获得反馈来改善文本到图像（T2I）合成

“`html 来自南加利福尼亚州大学、华盛顿大学、巴尔幸大学和谷歌研究的研究人员介绍了DreamSync，该技术解决了扩散型文...

“AI能真正理解我们的情绪吗？这篇AI论文探讨了使用视觉变换模型进行高级面部情绪识别的方法”

FER 在人机交互、情感分析、情感计算和虚拟现实中起着至关重要的作用。它帮助机器理解并响应人类情绪。方法学已从手动提取进...

使用Streamlit构建一个车牌识别应用程序

本文简要介绍了使用预训练模型从可变行车牌中提取文本的解决方案，并逐步解释了如何使用Streamlit构建Web应用程序的步骤

这项AI研究介绍了MeshGPT：一种新颖的形状生成方法，直接将三角形网格作为输出

MeshGPT是由慕尼黑工业大学、都灵理工大学和奥迪汽车股份公司的研究人员提出的一种用于自回归生成三角网格的方法，利用基于GP...

“在LLMs中生成信息丰富的文本，以实现强大的跨模态接口，具有去扩散功能”

LLM（大型语言模型）产品的全球现象，以ChatGPT的广泛采用为例，引起了广泛关注。许多人已形成共识，认为LLMs在理解自然语言...

这篇人工智能论文提出了一种新的预训练策略，称为隐私保护MAE-Align，以有效地结合合成数据和去人真实数据

动作识别是从视频序列中识别和分类人类动作的关键领域，它是计算机视觉中的一个重要任务。然而，它对包含人类图像的大规模数...

Meet One-2-3-45++：一项创新的人工智能方法，可将一张图片转化为约一分钟内的详细3D纹理网格

来自加州大学圣地亚哥分校、浙江大学、清华大学、加州大学洛杉矶分校和斯坦福大学的研究人员引入了一种名为One-2-3-45++的创...

中国的这篇AI论文介绍了“Monkey”：一种新颖的人工智能方法，可提高大型多模态模型中的输入分辨率和上下文关联性

“` 大型多模型在处理和分析文本和图片等各种数据方面的能力使其变得越来越受欢迎。学者们已经注意到它们在各种多模态活...

认识 PhysGaussian：一种将物理基础的牛顿动力学与三维高斯函数相融合，产生高质量新型动作合成的人工智能技术

最近，神经辐射场（NeRFs）的进展展示了3D图形和感知方面的进步。此外，最先进的3D高斯喷溅（GS）框架进一步增强了这些改进。...

这项AI研究提出了随机切片混合数据增强（RSMDA）来提高图像分类的新方法：一种增强神经网络准确性和鲁棒性的创新方法

数据增强是深度学习中的关键技术，它通过修改现有样本来创建新的训练数据。数据增强非常重要，因为它使训练数据多样化，提高...

这项人工智能研究提出了可驾驶的三维高斯头像（D3GA）：首个使用高斯喷点渲染人体的可控三维模型

印象派艺术运动是由19世纪的无名画家、雕塑家、版画家等创立的，其特点是“短小、断续的笔触，几乎无法传达形式”。最近的研究...

通过与Sandeep Singh一起探索Gen AI的下一个大趋势

本次数据领导力会话展示了Beans.ai的应用人工智能负责人Sandeep Singh的第一手经验。他分享了他的旅程中的见解，从塑造生成式...

微软研究院推出Florence-2：一种新颖的视觉基础模型，采用统一的基于提示的表征方法，可用于多种计算机视觉和视觉语言任务

在人工通用智能（AGI）系统中，使用预先训练的、适应能力强的表示已经成为一种明显的趋势，这为各种应用提供了与任务无关的优...

NVIDIA AI 研究人员提出了一种人工智能方法，通过将体积渲染限制在物体周围的一个窄带内，以高效地渲染 NeRF

来自Nvidia的研究人员介绍了一种神经辐射场形式，用于视图合成，可以在容积和基于表面的渲染之间高效地切换。该方法通过在神...

浙江大学研究人员提出UrbanGIRAFFE应对具有挑战性的城市场景的可控3D感知图像合成

UrbanGIRAFFE，这是浙江大学研究人员提出的一种逼真图像合成方法，用于可控的相机姿态和场景内容。该模型解决了自由相机视角...

魅塔揭示鸸鹋视频和鸸鹋编辑：在文本转视频生成和精确图像编辑方面的先驱性进展

在快速发展的生成式人工智能领域中，实现高效和高质量的视频生成模型以及精确而多功能的图片编辑工具仍然面临挑战。传统方法...

这篇AI论文介绍了LLaVA-Plus 一款通用的多模态助手，扩展了大型多模态模型的功能

创建通用助手，通过遵循用户的（多模态）指令来有效地执行各种现实世界活动，一直是人工智能的目标。尽管像ChatGPT这样的大型...

CV2 在图像上寻找模式

在这篇文章中，我使用了计算机视觉和神经网络来找到一百多年前以草书形式书写的文本中的一个字在这个简短的示例中，我使用了C...

通过MM-VID解锁先进的AI视频理解，为GPT-4V（视觉）提供支持

全球范围内，每天都有无数个人制作各种视频，包括用户生成的直播、视频游戏直播、短片、电影、体育广播和广告。作为一种多功...

牛津大学和西安交通大学的研究人员引入了一种创新的机器学习模型，用于模拟先进存储技术中的相变材料

理解相变材料和创建先进的存储技术可以从使用计算机模拟中获益。然而，直接的量子力学模拟只能处理最多由数百到数千个原子组...