很多人都有这样的体验：让 AI 画一个角色，第一张很好看，但第二张开始有点不一样，第三张基本就像换了个人。你让它做一套海报，单张都不错，但放在一起风格却完全不统一，再或者你让它画一个故事分镜，人物形象会一会胖一会瘦，甚至连脸都对不上，你只是改一下衣服颜色，它却顺手把脸也改了。 这些看起来像小问题，但在真实应用中却是致命的。在 IP 设计、品牌视觉、内容生产甚至工业和医疗场景中，要求的从来不是...

现如今，扩散模型已经成为当前图像生成领域的核心技术之一。从文本生成图像到复杂视觉内容合成，这类模型已经能够生成高度逼真的画面。然而，在真实应用场景中，人们对生成模型的要求并不仅仅是“生成逼真图像”，而是希望模型能够严格按照提示完成特定任务。 例如，在要求生成包含指定文字的图像时，模型可能 simply 将文字放大到占据画面大部分区域，从而轻松获得 OCR 系统的高分，而在需要生成多个对象的任...

在视觉生成领域，从图像生成到视频生成，研究的核心问题正逐渐从“能否生成内容”转向“能否生成可控且结构正确的内容”。 尤其是在人物动画生成任务中，研究人员不仅希望模型能够生成具有真实感的画面，还希望生成过程能够受到精确控制，例如通过输入人物图像与动作姿态序列，使模型自动生成连续的人物动画。在这一方向上，姿态驱动的人物图像动画已经取得了显著进展。然而，这些方法大多集中于单人物场景，当生成对象扩展...

随着深度学习技术在计算机视觉领域的快速发展，神经网络模型已经在自动驾驶、智能安防、医疗影像分析以及智能终端等关键场景中得到广泛应用。 例如，在自动驾驶系统中，视觉模型需要识别道路标志和行人；在智能安防系统中，人脸识别模型被用于身份验证；在医疗影像分析中，深度学习模型可以辅助医生识别疾病特征。 然而，近年来的研究不断表明，这些高性能模型在安全性方面仍然存在明显隐患。其中，对抗样本问题被认为是深...

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，...

近日，为了更好地推动安全可靠AI模型相关领域的技术研究与人才培养，鼓励研究者打造更安全、更可靠的AI，商汤科技联合北京航空航天大学共同发布，面向技术开发者和在校学生的科技类竞赛活动“面向复杂场景的鲁棒机器学习大赛Robust Models towards Open-world Classification”（大赛官网： aisafety.sensetime.com）。大赛以CVPR2022 ...

近日， 由CVPR主办的MAI（Mobile AI Workshop）分会近期在线上举行。作为图像领域最具影响力的赛事之一，本届MAI 2021挑战赛由华为、OPPO、MTK、SAMSUNG、苏黎世理工共同主办。参赛队伍聚集了华为、百度、商汤、Horizon等国内外顶尖AI团队。大华股份图像算法部dh_isp 团队提出的轻量化网络一举摘得ISP赛道冠军，充分展示了大华在图像增强领域的开拓创新...

作者 | 陈大鑫 近日，谷歌学术公布了 2021 年最新的学术期刊和会议影响力排名。 今年总榜前三仍然没有悬念，Nature 再夺第 1，NEJM 稳居第 2，Science 排名第 3 。 而 AI 学术顶会继去年在榜单上齐头并进之后，今年再创榜单历史——CVPR在总榜中从去年的第 5 名跃升至第4名，近五年来首超 The Lancet（345），仅次于 Science ！且 h5 中位数...

作者 | 杨国兴 编辑 | 陈大鑫 给一行二次元老婆的脸蛋；下一行就能让她们全部微笑起来：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： 阿这，等一等，让我来捋一下：老虎—>>猫——>>狗——>>狼，这岂不是说，老虎==狼了？对于这一点，或许广大网友们早就见怪不怪了，毕竟苏大强也可以变身吴彦祖：没错，正如大家所猜到的一样，今天AI...

整理 | bluemin近期，北京大学计算机系研究员施柏鑫在2021年智源大会上做了主题为《科研技能提升讲座：审稿视角下的计算机视觉论文——从投稿到接收》的报告，清华大学教授、主持人兰艳艳表示：施柏鑫老师博士毕业于日本东京大学，主要从事计算机视觉、计算摄像学方面的研究工作。施老师本次的报告从审稿的角度出发，讲解一篇CVPR乃至所有计算机视觉的论文是如何被接收的，对整个写稿流程解释的非常详细。...