【VALSE2023】0610 夏勇《医学影像智能分析年度进展》
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
【VALSE2023】0610 邓成/杨二昆《多模态融合感知年度进展综述》
...
【VALSE2023】0612《Workshop：大模型背景下的自动驾驶与车路协同》
...
【VALSE2023】0610 王利民《视频动作分析与识别》
...
【VALSE2023】0611 吴思《Tutorial ：计算神经科学-上》
...
【VALSE2024】0505 吴小俊《特邀报告：多模态视觉融合方法：是否存在性能极限？》
...
【VALSE2024】0505 严骏驰《APR：世界模型增强的自动驾驶》
...
【VALSE2023】0611《Workshop ：ChatGPT 与计算机视觉》
...
20240828【医学多模态分析与研究：从传统模型到大模型的演变】刘明霞：多中心多模态脑影像智能分析及应用研究
...
【VALSE2024】0505 施柏鑫《APR：神经形态相机视觉计算》
...
人工智能医学影像处理实战：医疗大数据、影像组学、临床研究应用、SCI论文解读、Python数据处理、机器学习论文一口气学爽！
...
【VALSE2023】0612《Workshop：三维视觉技术前沿》
...
【VALSE2023】0610 刘烨斌《基于NeRF的三维视觉年度进展报告》
...
【VALSE2024】0505 王兴刚《APR：面向大模型的新型高效率网络架构》
...
20240731【多模态研究进展】徐偲：面向低质多模态数据的深度学习
...
【VALSE2024】0505 高林《APR：三维高斯泼溅（3D Gaussian Splatting）》
...
【VALSE2023】0610 章国锋《基于隐式神经表示的三维重建、渲染与定位》
...
【VALSE2024】0506《Workshop ：三维重建与生成》
...
20210128 VALSE Student Webinar【医学影像：大规模数据的机遇与挑战】周纵苇 视觉的目的是什么？
...
【AI+医学影像】医学在人工智能中创新应用实例结合SCI论文思路解读，大佬全给讲清楚了！不愧是B站最系统的医学影像识别技术！人工智能/计算机/深度学习/机器学习
...
20210128 VALSE Student Webinar【医学影像：大规模数据的机遇与挑战】Panel环节
...
【VALSE2023】0611《Tutorial：从Transformer到GPT》
...
20231011【医疗基础模型 (上)】王德泉：借助医学文本提升基础模型在病理图像识别任务的迁移应用
...
20210609【领域自适应方法与进展】Dengxin Dai：Domain Adaptation for Real-world Domain Changes
...
【VALSE论文速览-68期】MixFormer:更加简洁的端到端单目标跟踪器
...
前列腺癌MRI诊断及PI-RADS 2.1的解读（二）
...
【VALSE论文速览-102期】基于对偶对抗自适应的跨设备真实图像超分辨率
...
【VALSE2024】0505 俞扬《APR：世界模型与具身决策》
...
20200805-VALSE 2020 APR-叶齐祥《视觉目标检测年度进展概述》
...
20230816【数字虚拟人的研究进展与未来】韩晓光：基于图像的三维毛发重建
...
20210625；短教程：《Transformers》；特邀讲师：邱锡鹏教授
...
20200805-VALSE 2020 APR-周晓巍《3D人体姿态估计年度进展概述》
...
【VALSE论文速览-54期】Learngene：从开放世界到目标学习任务
...
20240320【鲁棒开放世界感知】杨丽鹤：Depth Anything: Unleashing the Power of Large-Scale Unlab…
...
20210421【无师自通：自监督学习】田渊栋：Understanding representation learning without negative……
...
20240327【多模态大模型的前身与今世】叶翰嘉：基于大语言模型的CLIP零样本分类
...
【VALSE2024】0506《Tutorial：开放词汇视觉感知论坛》
...
20240814【多模态医学图像处理及医学大模型的发展近况】Panel
...
20230329【多模态预训练的研究进展与未来】朱霖潮：多模态分析中的迁移与对齐技术
...
20210707【预训练大模型 :大势所趋or昙花一现?】盘古大模型以及对大模型的思考
...
【VALSE论文速览-124期】Base and Meta: A New Perspective on Few-shot Segmentation