![[InsectMamba]利用状态空间模](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/August2024/insectmamba-520x300.png)
[InsectMamba]利用状态空间模型对害虫进行分类，以支持智能农业
[InsectMamba]利用状态空间模型对害虫进行分类，以支持智能农 ...
计算机视觉
模式识别
![[CoMat] 解决文本与图像之间的差异](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/August2024/comat_1_-520x300.png)
[CoMat] 解决文本与图像之间的差异
[CoMat] 解决文本与图像之间的差异
计算机视觉
![[OW-VISCap]注意看不见的物体-](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/August2024/ow-viscap-520x300.png)
[OW-VISCap]注意看不见的物体--理解开放世界视频的新方法
[OW-VISCap]注意看不见的物体--理解开放世界视频的新方法
计算机视觉
通过 CLIP 评估零镜头图像理解模型的鲁棒性
通过 CLIP 评估零镜头图像理解模型的鲁棒性
对比学习
![[VideoAgent] 使用大规模语言](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/videoagent-520x300.png)
[VideoAgent] 使用大规模语言模型作为代理来理解长视频
[VideoAgent] 使用大规模语言模型作为代理来理解长视频
计算机视觉
![[DiffYOLO] 改进低质量数据物体](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/February2024/diffyolo-520x300.png)
[DiffYOLO] 改进低质量数据物体检测的创新框架
[DiffYOLO] 改进低质量数据物体检测的创新框架
计算机视觉
Mobile-Agent：通过截图分析实现移动应用操作自动化
Mobile-Agent：通过截图分析实现移动应用操作自动化
模式识别
InstructPix2Pix：用户导向图像编辑模式的出现
InstructPix2Pix：用户导向图像编辑模式的出现
计算机视觉
![[mPLUG-Owl]开发能理解图像和文](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/mplug-owl-520x300.png)
[mPLUG-Owl]开发能理解图像和文本的 LLM
[mPLUG-Owl]开发能理解图像和文本的 LLM
计算与语言
T2I-适配器：文本到图像转换技术的前沿
T2I-适配器：文本到图像转换技术的前沿
计算机视觉
ImageBind：汇集所有信息，创造新知识
ImageBind：汇集所有信息，创造新知识
机器学习
先进图像理解与自然语言交互的多模态 GPT-4 和 LLaVA 集成
先进图像理解与自然语言交互的多模态 GPT-4 和 LLaVA 集成
计算机视觉
掩码 R-CNN：高效检测图像中的物体
掩码 R-CNN：高效检测图像中的物体
计算机视觉
U-Net：用于生物医学图像分割的卷积网络
U-Net：用于生物医学图像分割的卷积网络
计算机视觉
用于大规模图像识别的深度卷积网络
用于大规模图像识别的深度卷积网络
图片识别
利用三维透视几何约束增强扩散模型
利用三维透视几何约束增强扩散模型
计算机视觉