Polos: Multimodal Metric Learning from Human Feedback for Image Captioning 单位:Keio University 主页:https://yuiga.dev/polos 代码:https://github.com/yuiga-wada/polos 论文:https://arxiv.org/abs/2402.18091 在人工智能领域,图像标题生成一直是一个热门的研究方向。随着深度学习技术的发展,生成的图像描述...
1. 新颖模型:我们提出了首个开放式视觉故事生成模型StoryGen,它是一种基于学习的自回归图像生成模型(learning-based auto-regressive image generation model),具有新颖的视觉语言上下文模块(visual-language context module),以扩散模型去噪过...
1. 新颖模型:我们提出了首个开放式视觉故事生成模型StoryGen,它是一种基于学习的自回归图像生成模型(learning-based auto-regressive image generation model),具有新颖的视觉语言上下文模块(visual-language context module),以扩散模型去噪过程的特征作为条件,能够在当前给定的text prompt和之前的image-caption pairs引导下...
项目主页:https://cvpr2024.wad.vision/ 技术方向:自动驾驶 赛道一:Announcing the 2024 Waymo Open Dataset Challenges 赛道二:Argoverse 2024 Challenges 已截止 14.2nd Face Recognition Challenge in the Era of Synthetic Data (FRCSyn) 项目主页:https://frcsyn.github.io/CVPR2024.html 技术方向:人脸识别 任...
zero-shot image classification 已截止 11.L3D-IVU: 3rd Workshop on Learning with Limited Labelled Data for Image and Video Understanding 项目主页:https://sites.google.com/view/l3divu2024/overview 技术方向:遥感图像理解 第一名:1000 美元
features作为条件，能够基于当前给定的text prompt和之前的image-caption pairs生成连贯的当前帧；...
objection:Transformer基的模型在其他地方state-of-the-art,但是在image caption探索的还比较少。为了fill the gap ,我们提出了M^2(Meshed Transformer with Memory) idea: 1.学习不同层级表示之间的关系得到先验知识 2.在encoder和decoder间建立mesh-like connectivity去挖掘高层和底层特征。
https://cosmicman-cvpr2024.github.io/ 29、DiffHuman: Probabilistic Photorealistic 3D Reconstruction of Humans 提出DiffHuman,一种从单个RGB图像中逼真重建人体的方法。这个问题本质上没有解,大多数方法是确定性的,并且输出一个单一的解决方案,通常导致未见或不确定区域缺乏几何细节和模糊。DiffHuman基于输入的2D...
【他山之石】CVPR 2024 | NTU联合UM提出InteractDiffusion,即插即用的HOI交互扩散模型 “他山之石,可以攻玉”,站在巨人的肩膀才能看得更高,走得更远。在科研的道路上,更需借助东风才能更快前行。为此,我们特别搜集整理了一些实用的代码链接,数据集,软件,编程技巧等,开辟“他山之石”专栏,助你乘风破浪,一路...
Monday, June 17, 2024 08:00–19:00Workshop 9th New Trends in Image Restoration and Enhancement Workshop and Challenges Radu Timofte · Zongwei Wu · Marcos V. Conde · Florin Vasluianu · Ming-Hsuan Yang · Kyoung Mu Lee · Codruta Ancuti · Cosmin Ancuti ·Ren Yang· Yawei Li · Bin...