MVANet：最强大的背景消除模型
MVANet：最强大的背景消除模型
神经网络
分段
![[任何分割] 零镜头分割模型](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/segment_anything-520x300.png)
[任何分割] 零镜头分割模型
[任何分割] 零镜头分割模型
分段
[Set-of-Mark Visual Prompting] 提示技术可增强 GPT-4V 的图像识别能力
[Set-of-Mark Visual Prompting] 提示技术 ...
提示方法
![[PETRv2] 仅使用摄像机图像估算物](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/November2023/petrv2-520x300.png)
[PETRv2] 仅使用摄像机图像估算物体的 3D 位置。
[PETRv2] 仅使用摄像机图像估算物体的 3D 位置。
目标检测
基于GAN的图像生成方法，彻底改变了注释数据集的生成。
基于GAN的图像生成方法，彻底改变了注释数据集的生成。
生成图像
Kubric简介，一个大规模的数据生成库
Kubric简介，一个大规模的数据生成库
数据集
视觉GNN，一个使用图结构的计算机视觉模型。
视觉GNN，一个使用图结构的计算机视觉模型。
GNN
不同的分辨率特征应该如何连接？：索尼对D3Net的建议
不同的分辨率特征应该如何连接？：索尼对D3Net的建议
CVPR
优于ViT!大规模CNN的新基本模型!:InternImage
优于ViT!大规模CNN的新基本模型!:InternImage
深度学习
Teach Augment：通过使用教师模型来优化数据的扩充。
Teach Augment：通过使用教师模型来优化数据的扩充。
数据增强
用不精确的伪标签进行半监督性分割
用不精确的伪标签进行半监督性分割
分段
使用W&D（广义和深度网络模型）进行医学图像分析
使用W&D（广义和深度网络模型）进行医学图像分析
转学
新的半监督分割法：对比一致的学习。
新的半监督分割法：对比一致的学习。
半监督
U-Net和Transformer相结合!介绍Swin Unet，一个用于医学图像分割的新网络。
U-Net和Transformer相结合!介绍Swin Unet，一个 ...
医疗
SegFormer: Segmentation With Transformer
SegFormer: Segmentation With Transf ...
分段
把你的UNET提升到新的高度！用变压器增强你的UNET
把你的UNET提升到新的高度！用变压器增强你的UNET
分段
![[PiCIE] 用于无监督语义分割的像素](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/November2021/picie-520x300.png)
[PiCIE] 用于无监督语义分割的像素级聚类法
[PiCIE] 用于无监督语义分割的像素级聚类法
分段
现在只需一个注释就能实现语义部分的分割
现在只需一个注释就能实现语义部分的分割
生成对抗网络(GAN)