ECCV 2024 decisions are now available!
注1:欢迎各位大佬提交issue,分享ECCV 2024论文和开源项目!
注2:关于往年CV顶会论文以及其他优质CV论文和大盘点,详见: https://github.com/amusi/daily-paper-computer-vision
想看ECCV 2024和最新最全的顶会工作,欢迎扫码加入【CVer学术交流群】,这是最大的计算机视觉AI知识星球!每日更新,第一时间分享最新最前沿的计算机视觉、深度学习、自动驾驶、医疗影像和AIGC等方向的学习资料,学起来!
<a name="3DGS"></a>
MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images
CityGaussian: Real-time High-quality Large-Scale Scene Rendering with Gaussians
FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting
<a name="Mamba"></a>
VideoMamba: State Space Model for Efficient Video Understanding
ZIGMA: A DiT-style Zigzag Mamba Diffusion Model
<a name="Avatars"></a>
<a name="Backbone"></a>
<a name="CLIP"></a>
<a name="MAE"></a>
<a name="Embodied-AI"></a>
<a name="GAN"></a>
<a name="OCR"></a>
Bridging Synthetic and Real Worlds for Pre-training Scene Text Detectors
PosFormer: Recognizing Complex Handwritten Mathematical Expression with Position Forest Transformer
<a name="Occupancy"></a>
Fully Sparse 3D Occupancy Prediction
<a name="NeRF"></a>
NeRF-MAE: Masked AutoEncoders for Self-Supervised 3D Representation Learning for Neural Radiance Fields
<a name="DETR"></a>
<a name="Prompt"></a>
<a name="MLLM"></a>
SQ-LLaVA: Self-Questioning for Large Vision-Language Assistant
ControlCap: Controllable Region-level Captioning
<a name="LLM"></a>
<a name="NAS"></a>
<a name="ReID"></a>
<a name="Diffusion"></a>
ZIGMA: A DiT-style Zigzag Mamba Diffusion Model
Skews in the Phenomenon Space Hinder Generalization in Text-to-Image Generation
The Lottery Ticket Hypothesis in Denoising: Towards Semantic-Driven Initialization
<a name="Vision-Transformer"></a>
GiT: Towards Generalist Vision Transformer through Universal Language Interface
<a name="VL"></a>
GalLoP: Learning Global and Local Prompts for Vision-Language Models
<a name="Object-Detection"></a>
Relation DETR: Exploring Explicit Position Relation Prior for Object Detection
Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector
<a name="Anomaly-Detection"></a>
<a name="VT"></a>
<a name="Semantic-Segmentation"></a>
Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation
<a name="MI"></a>
Brain-ID: Learning Contrast-agnostic Anatomical Representations for Brain Imaging
FairDomain: Achieving Fairness in Cross-Domain Medical Image Segmentation and Classification
<a name="MIS"></a>
ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image
AnatoMask: Enhancing Medical Image Segmentation with Reconstruction-guided Self-masking
Representing Topological Self-Similarity Using Fractal Feature Maps for Accurate Segmentation of Tubular Structures
<a name="VOS"></a>
DVIS-DAQ: Improving Video Segmentation via Dynamic Anchor Queries
<a name="Autonomous-Driving"></a>
Fully Sparse 3D Occupancy Prediction
milliFlow: Scene Flow Estimation on mmWave Radar Point Cloud for Human Motion Sensing
4D对比超流是密集3D表征学习器
<a name="3D-Point-Cloud"></a>
<a name="3DOD"></a>
具有动态空间剪枝的3D小目标检测
光线去噪:基于深度感知的难负样本采样用于多视图3D目标检测
<a name="3DOD"></a>
<a name="Image-Editing"></a>
<a name="Image-Inpainting"></a>
BrushNet:具有分解双分支扩散的即插即用图像补全模型
<a name="Video-Editing"></a>
<a name="LLV"></a>
通过直方图变换在恶 劣天气条件下恢复图像
OneRestore:复合退化的通用恢复框架
<a name="Denoising"></a>
<a name="3D-Human-Pose-Estimation"></a>
<a name="Image-Generation"></a>
在文本到图像扩散模型中基于对象条件的能量式注意力图对齐
每个像素都有其时刻:通过密集归一化实现超高分辨率的无对齐图像到图像翻译
ZIGMA:一种DiT风格的之字形曼巴扩散模型
现象空间中的倾斜阻碍了文本到图像生成的泛化
<a name="Video-Generation"></a>
VideoStudio:生成内容一致和多场景的视频
<a name="3D-Generation"></a>
<a name="Video-Understanding"></a>
VideoMamba:高效视频理解的状态空间模型
C2C:用于零样本组合动作识别的组件到组合学习
<a name="Action-Recognition"></a>
SA-DVAE:通过解耦变分自编码器改进零样本基于骨架的动作识别
<a name="KD"></a>
<a name="IC"></a>
基于空间频率自适应的机器和人类视觉图像压缩
<a name="Stereo-Matching"></a>
<a name="SGG"></a>
<a name="Counting"></a>
通过良好示例进行零样本目标计数
<a name="Video-Quality-Assessment"></a>
<a name="Datasets"></a>
用于3D视觉定位的多分支协作学习网络
PDiscoFormer:通过视觉变压器放宽部分发现约束
SPVLoc:在未知环境中用于6D相机定位的语义全景视口匹配
REFRAME:移动设备实时渲染反射表面
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号