论文地址：https://arxiv.org/pdf/2506.08009发表时间：2025年6月9日我们提出了一种用于自回归视频扩散模型的新型训练范式——自强制（Self Forcing）。该方法解决了长期存在的“暴露偏差”问题：在进行学习，但在。与以往那些基于真实上下文帧对未来帧进行去噪的方法不同，自强制通过。这一策略使得我们能够通过视频层面的整体损失进行监督，从而直接评估整个生成序列的质量，

线性注意力机制（Linear Attention）是针对标准注意力机制（Softmax Attention）平方复杂度瓶颈提出的优化方案，核心目标是将注意力计算复杂度从标准注意力的O(N²d)（N为序列长度，d为特征维度）降至O(Nd²)，通过数学结构优化，在保证一定表达能力的前提下，大幅提升长序列场景下的计算效率和显存利用率，适用于需要实时处理、长序列建模的场景（如4K视频处理、DNA序列分析等

然后，Qwen2-VL分析观察结果，执行推理和计划，执行所选的动作，并与环境进行交互，以获得新的观察结果。这个循环反复重复，直到任务成功完成。通过集成各种工具并利用大型视觉语言模型（LVLMs）的视觉感知能力，Qwen2-VL能够迭代地执行涉及现实世界视觉交互的越来越复杂的任务。

InternVL基于互联网开源数据采集了6B数据，经过滤后一阶段用了5B数据，二阶段用了1B数据。SFT阶段，用了4M数据（二阶段的0.4%）。InternVL1.5与上一版本相比，扩大了训练数据集的纳入范围（尤其是关于ORC任务，进行了细粒度的划分），并且设计了补充中文语料训练数据的不足，同时针对测试任务针对性设计了SFT数据。InternVL2基于1.5版本的数据集，二次进行扩充，同时构建了的

如做图像分类时，resnet系列、densenet系列、efficientnet系统、hrnet系列都可以测试一下。但是，并非所有的工作都能用到预训练模型，有的时候完全需要我们。

FastDeploy是一款全场景、易用灵活、极致高效的AI推理部署工具， 支持云边端部署。提供超过 🔥160+ Text，Vision， Speech和跨模态模型📦开箱即用的部署体验，并实现🔚端到端的推理性能优化。包括 物体检测、字符识别（OCR）、人脸、人像扣图、多目标跟踪系统、NLP、Stable Diffusion文图生成、TTS 等几十种任务场景，满足开发者多场景、多硬件、多平台的产

项目地址：https://github.com/Kolkir/Coarse_LoFTR_TRT创建时间：2022年相关训练数据：BlendedMVSLoFTR [19]是一种有效的深度学习方法，可以在图像对上寻找合适的局部特征匹配。本文报道了该方法在低计算性能和有限内存条件下的设备上的优化工作。原来的LoFTR方法是基于一个ResNet [6]backbone和两个基于线性transformer[

发表日期：2023年6月23日LightGlue是一个在精度上媲美Superglue，但在速度上比Superglue快一倍的模型。通过博主实测，LightGlue的配准效果比Superglue好，LightGlue配准后的结果错误点更少，同时提取的重叠区域更精准。基于Superpoint+Superglue 提取重叠区域的代码可以参考。

基于官方团队发布的预训练模型，使用SuperPoint与SuperGlue实现图像配准，可以参考基于官方团队发布的代码训练自己的模型，可以参考进行实现，训练出的模型不能直接参考上述博客进行部署，为此发布使用代码。本博文实现基于进行改进。

项目地址：https://github.com/Linaom1214/TensorRT-For-YOLO-Series/tree/cuda-python算法支持状态：2024.6.16 Support YOLOv9, YOLOv10, changing the TensorRT version to 10.02023.8.15 Support cuda-python2023.5.12 Update