目标跟踪1、Delving into the Trajectory Long-tail Distribution for Muti-object Tracking多目标跟踪（Multiple Object Tracking，MOT）是计算机视觉领域中一个关键领域，有广泛应用。当前研究主要集中在跟踪算法的开发和后处理技术的改进上。然而，对跟踪数据本身的特性缺乏深入的研究。本研究首次对跟踪数据的分布模

本文来源 机器之心 编辑：陈萍、蛋酱对于 2023 年的计算机视觉领域来说，「分割一切」（Segment Anything Model）是备受关注的一项研究进展。Meta四月份发布的「分割一切模型（SAM）」效果，它能很好地自动分割图像中的所有内容Segment Anything 的关键特征是基于提示的视觉 Transformer（ViT）模型，该模型是在一个包含来自 1100 万张图像的超过..

1、Arbitrary-Scale Image Generation and Upsampling using Latent Diffusion Model and Implicit Neural Decoder超分辨率（SR）和图像生成是计算机视觉中重要的任务，在现实应用中得到广泛采用。然而，大多数现有方法仅在固定放大倍数下生成图像，并且容易出现过平滑和伪影。此外，在输出图像的多样性和不同尺度下

1、Accelerating Diffusion Sampling with Optimized Time Steps扩散概率模型（DPMs）在高分辨率图像生成方面显示出显著性能，但由于通常需要大量采样步骤，其采样效率仍有待提高。高阶ODE求解在DPMs中的应用的最新进展使得能够以更少的采样步骤生成高质量图像。然而，大多数采样方法仍使用均匀的时间步长，在使用少量步骤时并不是最优的。为解决这个问题，

1、动作检测 DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion基于扩散方法提出一种新的时序动作检测（TAD）算法，简称DiffTAD。以随机时序proposals作为输入，可以在未修剪的长视频中准确生成动作proposals。从生成建模的视角，与先前的判别学习方法不同。首先将真实proposals从正向扩散到随

作者：DengBoCong@知乎来源丨https://zhuanlan.zhihu.com/p/342668070版权归作者所有，侵删Github：本文代码放在该项目中：NLP相关Paper笔记和代码复现（https://github.com/DengBoCong/nlp-paper）说明：讲解时会对相关文章资料进行思想、结构、优缺点，内容进行提炼和记录，相关引用会标明出处，引用之处如有侵权，烦请

转载自：极市平台 作者丨Tengfei Wang来源丨港科大、腾讯AI Lab论文：https://arxiv.org/abs/2109.06590代码：https://github.com/Tengfei-Wang/HFGI主页：https://tengfei-wang.github.io/HFGI/视频：https://www.bilibili.com/vide...

作者丨杨振华、彭德智 编辑丨极市平台来源丨华南理工大学DLVC实验室、阿里巴巴LOGO论文链接: https://arxiv.org/abs/2312.12142项目链接: https://yeungchenwa.github.io/fontdiffuser-homepage/HuggingFace Demo链接: https://huggingface.co/spaces/yeungche...

梦晨丰色发自凹非寺量子位|公众号QbitAI一觉醒来，工作的方式被彻底改变。微软把AI神器GPT-4全面接入Office，这下ChatPPT、ChatWord、ChatExcel一家整整齐齐。CEO纳德拉在发布会上直接放话：今天，进入人机交互的新时代，重新发明生产力。新功能名叫Microsoft 365 Copilot（副驾驶），与改变了程序员的代码助手GitHub Copi...

本文来源 机器之心编辑部不久前 OpenAI Sora 以其惊人的视频生成效果迅速走红，在一众文生视频模型中突出重围，成为全球瞩目的焦点。继 2 周前推出成本直降 46% 的 Sora 训练推理复现流程后，Colossal-AI 团队全面开源全球首个类 Sora 架构视频生成模型 「Open-Sora 1.0」，涵盖了整个训练流程，包括数据处理、所有训练细节和模型权重，携手全球 AI 热爱者共同.