博客

Vision Transformer（ViT）

Transformer 机器视觉

ConvNeXt：基于卷积神经网络（CNN）的图像识别架构

机器视觉 meta

DALL-E 3：OpenAI推出的先进图像生成系统

InstantID图像生成技术

SIFT（Scale-Invariant Feature Transform）：图像特征提取的经典算法

图像处理中的Patch token

LipFormer：句子级唇读框架

MMDetection：一个基于PyTorch的开源目标检测工具箱

HMTNet：一个基于手部形态拓扑的3D手部姿势估计方法

TransNetV2：用于快速镜头转换检测的深度学习架构

场景文本检测

DBNet++：一种用于场景文本检测的深度学习模型

Matte Anything（MatAny）模型：交互式自然图像抠图模型

BiFPN（Bidirectional Feature Pyramid Network，双向特征金字塔网络）

VoxelNet：3D点云数据的端到端学习框架

OpenMMLab：开源计算机视觉算法系统

MODNet：一个轻量级、高效的深度学习模型

HMCN（Hierarchical Multi-scale Convolutional Neural network）模型

Frames Per Second（FPS）每秒帧数

直方图均衡化（Histogram Equalization）

«
1
2
»