项目开源地址 [链接]cpu/gpu推理：ncnnnpu推理：cix-noe cppusb摄像头、http串流：opencv-mobileusb摄像头型号：m5stack AtomS3R-CAM完...
文章原名【“星睿O6”AI PC开发套件评测】Ultra Fast Lane Detection V2 NPU部署
在OBS（Open Broadcaster Software）直播中，添加时钟到直播画面是一个非常实用的功能，特别是对于需要展示实时时间信息的教学、会议、...
在OBS绿幕直播中，遇到绿色物体被抠透明的问题，无疑是许多主播和直播运营者常常面临的困扰。这一问题不仅影响了直播的专业性，还可能让...
在 AI 驱动的医疗影像管理领域，医疗图像重识别 (MedReID) 作为一项关键技术，旨在自动关联来自不同模态、不同时间的患者影像数据，进而...
大型视觉-语言模型（LVLMs）通常遵循两阶段训练范式——预训练和监督微调。最近，从语言领域衍生出的偏好优化已成为一种有效的后训练强化...
论文名：TurboFill: Adapting Few-step Text-to-image Model for Fast Image Inpainting论文链接：[链接]开源代码：[链接]
【“星睿O6”AI PC开发套件评测】三套OpenCV性能测试，OpenCL加速测试，KleidiCV加速测试，JPG硬件编码加速测试
就在 DeepSeek-V3 更新的同一夜，阿里通义千问 Qwen 又双叒叕一次梦幻联动了——发布Qwen2.5-VL-32B-Instruct。此前开源家族视觉语言模型 ...
中国科学技术大学、华为诺亚实验室、港科大、清华大学等单位 联合提出了一种超快速的任意尺度超分方法，ContinuousSR。
亮点直击为 LLIE 任务引入了一种新的全球首个可训练的颜色空间，该空间由极化的 HS 和可训练的强度唯一定义。这提供了一个有效工具，消...
扩散模型在生成高度复杂图像分布方面表现出强大的图像生成能力，可作为图像恢复的有力先验。现有方法常利用 ControNet 等技术，以低质量...
【新智元导读】CVPR 2025，混合新架构 MambaVision 来了！Mamba+Transformer 混合架构专门为 CV 应用设计。MambaVision 在 Top-1 精度和...
本文的目标是提升文本到图像检索的性能。为此，作者提出了一种新的框架，该框架能够提升大规模预训练视觉语言模型的表现，使其能够用于...
作者提出了一种对全局处理视觉Transformer（ViT）的简单增强方法，以在保持吞吐量的同时提高准确性。ViT+Jumbo创建了一个更宽的CLS Toke...
确保自主驾驶列车在铁路表面的障碍物避免至关重要，其第一步是分割铁路区域。作者选择在 Yolact 的基础上进行工作。为了解决模型预测的...
最近，视觉语言模型（VLMs）如 CLIP 在视觉任务的自监督表示学习方面取得了显著成功。然而，有效地将 VLMs 应用到下游任务仍具有挑战性...
联邦学习的研究最近从卷积神经网络（CNNs）转向了视觉 Transformer （ViTs），因为 ViTs 具有更优越的能力。由于 ViTs 缺乏 CNN 固有的 ...
细小物体由于其有限的空间分辨率，往往呈现出点状分布的特点。因此，使用点级监督进行边界框预测自然且成本效益高，成为传统框级监督的...
清华大学智能产业研究院（AIR）联合地瓜机器人和求之科技，将在机器人领域旗舰会议ICRA 2025上主办第四届Sim2Real挑战赛（以下简称 "S2R...
