微软提出了新的模型蒸馏策略G2SD，利用掩码自动编码器结合特征蒸馏和KD蒸馏，学生模型的精度达到教师模型的98%！目前已开源！
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
Meta AI提出新的视觉Transformer结构，相同精度内存减少15倍！代码和模型目前已开源！
...
亚马逊学者提出Zero-Shot计数新方法！利用预训练的生成模型生成类别原型特征，然后进行patch最邻近搜索，效果远超之前方法！
...
统治扩散模型的U-Net结构被取代了！谷歌提出基于Transformer的可扩展扩散模型DiT！计算效率和生成效果均超越ADM和LDM！代码刚刚开源！
...
微软亚研提出了小模型蒸馏方法TinyMIM！MIM预训练小模型性能提升4个百分点！目前模型和代码均已开源！
...
腾讯联合浙大提出新的视觉Transformer网络CrossFormer，参数量更少同时性能超过Swin！目前已开源！
...
鹏城实验室学者提出了一种新的视频语言多模态预训练模型SOTA-VLP，融合了空间时序建模方法，捕获细粒度特征，多项任务取得SOTA！
...
NVIDIA放大招了！在生成模型基础上提出Action-GPT：利用GPT实现任意文本生成动作！效果绝了！
...
微软总结了视觉Transformer的分类性能，从参数量，计算量等方面对它们进了公平的对比！
...
具身机器人结构化建模新热潮：掩码注意力增强Transformer，通杀MLP和基线T模型！
...
基于Diffusion模型的DiffFace来了，交换效果超过之前的经典模型！代码和模型即将开源！
...
中科大提出All-in-One多模态预训练方法，利用统一的多模态互信息提升多模态性能，下游检测分割性能超过BEIT V3！
...
京东提出全球首个面向遥感任务设计的亿级视觉Transformer大模型，基于百万级遥感数据集进行预训练，下游检测，分割等任务性能SOTA，目前模型和代码已开源！
...
腾讯提出一种新的CLIP模型，利用更加soft的跨模态对齐策略，提升CLIP在各项任务上的性能！
...
百度联合VIS提出新的文档图像理解预训练框架StrucTextv2，设计了适用于文档数据的掩码自监督策略，目前已被ICLR 2023接收！
...
推理速度快2.5倍！最新Mamba-Transformer架构Jamba 1.5模型震撼登场：256K超长上下文+940亿参数，结合LangFLow打造AI理财
...
伊朗科技大学学者提出用于医学图像识别的骨干网络MedViT，融合了CNN和Transformer的结构，在多项医学图像任务取得不错效果！
...
结合Transformer的YOLOv8多模态 融合可见光+红外光(RGB+IR)双输入 完美复现论文【附代码】
...
注意力机制魔改新思路: 窗口注意力速度提升210倍，刷新SOTA！10种创新思路
...
Diffusion Model 可以用来进行图像数据增强了！卡内基梅隆大学学者提出DA-Fusion方法，提升了数据增强产生多样性高级语义样本的能力！
...
微软多模态团队提出了新的语言增强多模态预训练大模型，可以类似BLIP2进行多模态chat，效果很惊艳！
...
导师强烈安利的模型训练可视化工具，不愧是深度学习最强炼丹伴侣！
...
CLIP可以直接拿来做文本检测了！腾讯优图提出TCM结构，文本检测能力在多个数据集上均有较大提升！目前以被CVPR2023接收！
...
54亿视觉注释数据集FLD-5B横扫CV各种任务！微软提出视觉基础模型Florence-2！
...
全新的全卷积视觉骨干网FCViT，超过ConvNext，目前已开源！
...
北京智源多模态团队提出EVA：多模态助力视觉自监督预训练，加入掩码，视觉表征学习更上一层楼！目前代码和模型已开源！
...
腾讯结合了MAE和CLIP，提出了新的在语言语义上进行掩码重建的预训练框架RILS，超过多种视觉预训练和多模态预训练方案！
...
真正的万物检测模型，谷歌提出基于VisionTransformer的开放词汇目标检测器
...
DeepMind提出了新的半监督学习方法SEMPPL，结合当前的对比学习自监督学习方案，表征能力得到进一步提升！
...
上交学者提出了一种利用Diffusion模型生合成语义分割数据集，并基于此训练了一个开放词汇分割的模型，效果惊艳！
...
商汤科技提出具有双层路由注意力的视觉Transformer，减少原始ViT计算量的同时性能大幅超过Swin Transformer!已被CVPR 2023接收！
...
文本引导的虚拟试衣来了，多模态在时尚领域的又一杀器！一键更换模特服装！目前代码模型已开源！
...
CAPIVARA：利用LLM仅需2小时训练即可提升CLIP在低资源语种上性能的新方法！
...
鹏城实验室开放了45页多模态预训练大模型综述！总结了近5年多模态预训练相关的算法和数据！多模态预训练学习包！
...
腾讯AI Lab提出姿态引导人物图像合成新方法PCDMs，多个数据集性能达到SOTA!
...
B站水友开发的免费ChatGPT账号共享站，打开即用
...
GNN图神经网络融合Transformer：绝对是近几年的研究热点！源码复现+模型精讲+论文解读，迪哥带你轻松搞定论文创新点！
...
微软联合北大提出了首个用于音视频联合生成的多模态扩散模型MM-Difussion！可以给定视频生成音频或给定音频生成视频！
...
【NeurIPS 2023】华为诺亚提出新的YOLO检测模型:Gold-YOLO,达到YOLO系列新SOTA!!
...
MIT原班人马再出神作！KAN 2.0横空出世，剑指AI科学大一统！
...
[NeurIPS 2023] 通过Adapter重组实现用于大型视觉Transformer的LORA！！