论文笔记 SAM 2 Segment Anything in Images and Videos - Kamino's BlogMeta出的SAM的续作，旨在对图像和视频进行Promptable Visual Segmantation（PVS），文章贡献了数据和模型，相较于SAM，SAM2可以对视频进行分割，且提升了图像上的分割速度。旨在对图像和视频进行Promptable Visual Segm

DiT通常在是有视频帧中使用双向注意力机制，双向依赖意味着生成单个帧需要处理整个视频，这引入了较长的延迟。CausVid设计了一种具有视频帧之间因果依赖的自回归扩散transformer架构，为了进一步提高速度，我们改变了分布匹配蒸馏DMD，这是一种最初为图像扩散模型设计的几步蒸馏方法，并将其应用到视频数据，提出了一种非对称蒸馏策略，将预训练的教师扩散模型中的双向注意力知识蒸馏到我们的因果学生模型

2023年12月 最新的显卡天梯图和 FP32浮点性能 性能排行榜，包括浮点性能排名、测试得分和规格数据。跑分对比、基准测试比较。2023年12月 显卡天梯图 FP32浮点性能 性能排行榜 | TopCPU.net。

基于onnxruntime的C++版本CPU/GPU源码编译提示：基于onnxruntime的CPU/GPU源码编译，C++版本文章目录基于onnxruntime的C++版本CPU/GPU源码编译前言一、源码地址二、步骤1.基础环境搭建2.源码编译3.注意事项总结前言一、ONNX Runtime是什么?微软在开源中提供了大量框架和引擎。基于onnxruntime的C++版本CPU/GPU源码编译_

Memory-efficient Implementation of DenseNets改进densenet模型占用显存较大的问题。对于特征的极致利用可以提高模型的表现能力，用时由于生成大量的intermediate feature(中间特征)，因此存储这些intermediate feature会占用大量的显存。为了能够在GPU下跑更深的densenet网络，这篇文章通过对中间特征采用共...

好，转入正题：]原始需求：系统将使用手机等设备利用光学字符识别技术实现钻具编号自动识别，减少作业人员的工作量隐含分析：对场景本身来说，要进行人工核对（或者修改）是必不可少的，因此工作量未必是减少。角钢字符检测和识别设备主要用于钢印的字符检测和识别，可应用于电网铁塔角钢的检测设备，以及各种钢材生产加工设备需要字符检测和识别的应用场景，有助于设备生产加工过程的信息化处理、MES系统的对接等。1、图像输

The quantitle-quantile(q-q) plot is a graphical technique for determining if two data sets come from populations with a common distribution.它主要是直观的表示观测与预测值之间的差异。一般我们所取得数量性状数据都为正态分布数据。预测的线是一条从原点出发的45..

cv2.getStructuringElement( ) 返回指定形状和尺寸的结构元素。这个函数的第一个参数表示内核的形状，有三种形状可以选择。矩形：MORPH_RECT;交叉形：MORPH_CROSS;椭圆形：MORPH_ELLIPSE;第二和第三个参数分别是内核的尺寸以及锚点的位置。一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得getSt...

输入psd，可以通过智能解析，将psd整理成可用的图片素材，但输入图片素材，能拿到分层的psd是很困难的。看这两张图，第一张图是color模式+normal，第二张图是sam模式+composite，也就是说第一种是如何分层，color+sam，第二种图层的模式，分成三层还是五层，第一种color是按照颜色，sam则是分割模型，第二种则是对图层分层的分解。本来想着这个服务要是没有webui或者co

随机帧是和音频不同步，是根据音频和mask的图形生成真实的唇形，参考帧的意义我自己感觉是减少模型复杂度，但是也有解释，在前向推理时，其实输入的一定是和音频不同步的视频帧，此时不仅对唇形区域做mask，也会把原始的图像拼接起来concat，这样其实训练和推理时就保持一致了。上面两部分主要考虑的是唇形生成和同步的监督，但是还要考虑唇形生成质量问题，为了提升质量，在生成器后面加了一个gan结构，主要是判