近年来，多模态大模型的发展正在不断推动视觉理解能力的提升。从图像分类、目标检测到视觉问答等任务，视觉系统已经能够在多种场景中实现较高水平的识别和推理能力。然而，在更复杂的层级视觉识别任务中，现有模型仍然存在明显不足。 现实世界中的许多视觉概念天然具有层级结构，例如生物分类体系中的“界—门—纲—目—科—属—种”，以及商品分类、医学诊断等领域中的多层级标签体系。这类任务不仅要求模型识别具体类别...

作者 | 杨国兴 编辑 | 陈大鑫 或者对于铲屎官们来说，把老虎猫变成?，把狗变成狼?，还可以把老虎变成猫： 论文介绍 脸部属性编辑任务的目标是操纵真实脸部图片的语义属性，其在现实中有着广泛的应用，例如娱乐、辅助心理治疗以及数据增强等等。随着深度生成模型的发展，最近的工作大多以GAN（Generative Adversarial Network）为基础。现...

字幕组双语原文：CVPR 2020 目标检测论文精选 英语原文：CVPR 2020: The Top Object Detection Papers 翻译：雷锋字幕组（李珺毅、沫年惜雪） 一、基于在点云上的3D目标检测的分层图形网络 原文标题：A Hierarchical Graph Network for 3D Object Detection on Point Clo...

    作者丨张   璐****     编辑丨齐铖湧 *                                                                                                       * 在过去两年的 3DGS 研发浪潮中，我们经常看到这样的奇观：算法在论文里跑出了惊艳的 3D 渲染画面，但一...

    作者丨张   璐****     编辑丨齐铖湧 *                                                                                                       * 让机器人真正理解世界，需要更大的语言模型、更逼真的视频生成，还是别的什么？ 雷峰网(公众号：雷峰网)小编...