ECCV2024-Papers-with-Code

ECCV2024-Papers-with-Code

ECCV 2024开源项目与论文合集

探索ECCV 2024的最新论文和开源项目,其中涵盖3D点云、自动驾驶、GAN和Vision Transformer等领域。ECCV 2024展示了前沿的计算机视觉和深度学习研究成果,提供论文和代码链接,帮助研究人员和开发者紧跟技术前沿。加入CVer学术交流群,与顶尖学者交流并获取最新的学习资料。

ECCV 2024计算机视觉深度学习自动驾驶AIGCGithub开源项目

ECCV 2024 论文和开源项目合集(Papers with Code)

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!

【ECCV 2024 论文开源目录】

<a name="3DGS"></a>

3DGS(Gaussian Splatting)

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>

Mamba / SSM

VideoMamba: State Space Model for Efficient Video Understanding

ZIGMA: A DiT-style Zigzag Mamba Diffusion Model

<a name="Avatars"></a>

Avatars

<a name="Backbone"></a>

Backbone

<a name="CLIP"></a>

CLIP

<a name="MAE"></a>

MAE

<a name="Embodied-AI"></a>

Embodied AI

<a name="GAN"></a>

GAN

<a name="OCR"></a>

OCR

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>

Occupancy

Fully Sparse 3D Occupancy Prediction

<a name="NeRF"></a>

NeRF

NeRF-MAE: Masked AutoEncoders for Self-Supervised 3D Representation Learning for Neural Radiance Fields

<a name="DETR"></a>

DETR

<a name="Prompt"></a>

Prompt

<a name="MLLM"></a>

多模态大语言模型(MLLM)

SQ-LLaVA: Self-Questioning for Large Vision-Language Assistant

ControlCap: Controllable Region-level Captioning

<a name="LLM"></a>

大语言模型(LLM)

<a name="NAS"></a>

NAS

<a name="ReID"></a>

ReID(重识别)

<a name="Diffusion"></a>

扩散模型(Diffusion Models)

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>

Vision Transformer

GiT: Towards Generalist Vision Transformer through Universal Language Interface

<a name="VL"></a>

视觉和语言(Vision-Language)

GalLoP: Learning Global and Local Prompts for Vision-Language Models

<a name="Object-Detection"></a>

目标检测(Object Detection)

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>

异常检测(Anomaly Detection)

<a name="VT"></a>

目标跟踪(Object Tracking)

<a name="Semantic-Segmentation"></a>

语义分割(Semantic Segmentation)

Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation

<a name="MI"></a>

医学图像(Medical Image)

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>

医学图像分割(Medical Image Segmentation)

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>

视频目标分割(Video Object Segmentation)

DVIS-DAQ: Improving Video Segmentation via Dynamic Anchor Queries

<a name="Autonomous-Driving"></a>

自动驾驶(Autonomous Driving)

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>

3D点云(3D-Point-Cloud)

<a name="3DOD"></a>

3D目标检测(3D Object Detection)

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>

3D语义分割(3D Semantic Segmentation)

<a name="Image-Editing"></a>

图像编辑(Image Editing)

<a name="Image-Inpainting"></a>

图像补全/图像修复(Image Inpainting)

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>

视频编辑(Video Editing)

<a name="LLV"></a>

低级视觉(Low-level Vision)

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

超分辨率(Super-Resolution)

<a name="Denoising"></a>

去噪(Denoising)

图像去噪(Image Denoising)

<a name="3D-Human-Pose-Estimation"></a>

3D人体姿态估计(3D Human Pose Estimation)

<a name="Image-Generation"></a>

图像生成(Image Generation)

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>

视频生成(Video Generation)

VideoStudio:生成内容一致和多场景的视频

<a name="3D-Generation"></a>

3D生成

<a name="Video-Understanding"></a>

视频理解(Video Understanding)

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>

行为识别(Action Recognition)

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>

知识蒸馏(Knowledge Distillation)

<a name="IC"></a>

图像压缩(Image Compression)

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>

立体匹配(Stereo Matching)

<a name="SGG"></a>

场景图生成(Scene Graph Generation)

<a name="Counting"></a>

计数(Counting)

通过良好示例进行零样本目标计数

<a name="Video-Quality-Assessment"></a>

视频质量评价(Video Quality Assessment)

<a name="Datasets"></a>

数据集(Datasets)

其他(Others)

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

编辑推荐精选

讯飞智文

讯飞智文

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

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。

Trae

Trae

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工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

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。

讯飞绘文

讯飞绘文

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

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-python

openai-agents-python

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。

Hunyuan3D-2

Hunyuan3D-2

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。

3FS

3FS

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。

下拉加载更多