AI资讯新闻榜单内容搜索-CV

关键词: InternVL,上海AI实验室,视觉大模型,LLM

CVPR正在进行中，中国科研力量再次成为场内外焦点之一。

关键词: 神经场网格模型,模型训练,AI,大模型,GTK

在CV、ML等领域经常用到的神经场网格模型，如今有了理论框架描述其训练动力学和泛化性能。

关键词: 扩散模型,模型训练,蔡志鹏,L-MAGIC,AI框架

360 度场景生成是计算机视觉的重要任务，主流方法主要可分为两类，一类利用图像扩散模型分别生成 360 度场景的多个视角。由于图像扩散模型缺乏场景全局结构的先验知识，这类方法无法有效生成多样的 360 度视角，导致场景内主要的目标被多次重复生成，如图 1 的床和雕塑。

关键词: 多智能体,协同智能,智能体,AI,AI驾驶

近年来，具身智能（如自动驾驶和机器人等自主智能体）取得了迅猛发展。

关键词: AI,视频大模型,AI论文,AI学术

图像与视频合成、3D 视觉、人体行为识别、视觉与语言推理等研究方向论文最多，属于最热门的方向，体现当前学界对视觉生成、三维感知、人机交互等方向的高度重视。另外，多模态学习、以人为本的设计和自适应机器人可能构成人形机器人的未来。

关键词: LPSNet,模型训练,AI 3D,扩散模型,AI

天津大学与南京大学联合团队在CVPR 2024上发表了LPSNet项目，提出了一种端到端的无透镜成像下的3D人体姿态和形状估计框架，通过多尺度无透镜特征解码器和双头辅助监督机制，直接从编码后的无透镜成像数据中提取特征并提高姿态估计的准确度。

关键词: CLIP,RNN,AI,人工智能,模型训练

循环调用CLIP，无需额外训练就有效分割无数概念。 包括电影动漫人物，地标，品牌，和普通类别在内的任意短语。

关键词: 多模态,大模型,多模态大模型,AI驾驶

多模态，已经成为大模型最重要的发展方向之一。

关键词: M3Act,数据标注,数据集,AI,大模型,模型训练

通过视觉信息识别、理解人群的行为是视频监测、交互机器人、自动驾驶等领域的关键技术之一，但获取大规模的人群行为标注数据成为了相关研究的发展瓶颈。如今，合成数据集正成为一种新兴的，用于替代现实世界数据的方法，但已有研究中的合成数据集主要聚焦于人体姿态与形状的估计。它们往往只提供单个人物的合成动画视频，而这并不适用于人群的视频识别任务。

关键词: 数据标注,模型训练,深度学习,AI,LLM

在多标签图像识别领域中，由于图像本身和潜在标签类别的复杂性，收集满足现有模型训练的多标签标注信息往往成本高昂且难以拓展。中山大学联合广东工业大学联手探索标注受限情况下的多标签图像识别任务，通过对多标签图像中的强语义相关性的探索研究，提出了一种异构语义转移(Heterogeneous Semantic Transfer, HST) 框架，实现了有效的未知标签生成。