现实中的数据通常存在长尾分布，其中一些类别占据数据集的大部分，而大多数稀有样本包含的数量有限，使用交叉熵的分类模型难以很好的分...
前不久，一段国外女生模仿 NPC（游戏中非玩家角色）的视频走红，画面中女生无论面部表情、肢体动作都与 NPC 非常相像，一度让人分不清到...
提起 Google 今年给人印象最深的新品，除了还未发售的 Google Pixel Watch 外，恐怕就是 Google I/O 2022 结尾时的 AR 眼镜原型机了。
用户体验一直是网民最关注的事情之一，不少社交平台常因为对UGC内容的图像压缩问题，受到过用户的吐槽，比如“精心拍摄的视频照片一发出...
ViT 的最新进展在视觉识别任务中取得了出色的表现。卷积神经网络 (CNN) 利用空间归纳偏差来学习视觉表示，但这些网络是空间局部的。ViTs...
论文标题：ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
尽管 2021 年 2 月 Magic Leap 的首席执行官 Peggy Johnson 透露了二代产品预计于 2021 年第四季度面世，但毫无悬念地迎来了跳票。
表中耗时是用NCNN测的，测试平台为RK3568 ARM-CPU，FastestDet相比于yolo-fastest单核耗时减少了10%，mAP0.5的指标要比yolo-fastestv2提...
【CPU下12ms】轻量姿态估计模型Regression方法如何做到比Heatmap方法快近3倍且精度更高
自从Vision Transformer网络面世以来，Transformer模型在CV领域的应用也逐渐开始崭露头角。然而如图1所示，原始的ViT网络模型在小数据集...
据 IDC 2021 年第四季度可穿戴设备全球出货量报告显示，在以智能眼镜、智能戒指等为核心的细分领域，该季度获得了 94.1% 的增长，其中深...
2022年7月，YOLOv7来临， 论文链接：[链接] 代码链接：[链接] 在v7论文挂出不到半天的时间，YOLOv3和YOLOv4的官网上均挂上了YOLOv7的链...
YOLOv7 在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的目标检测器，并且在 GPU V100 上 30 FPS 或更高的所有已知实时目标...
近日，计算机视觉国际顶级会议 CVPR 的 AI City Challenge 挑战赛（以下简称 AICity）落下帷幕，来自旷视研究院的代表队荣获 Tracked-Ve...
对于视频的生产与消费，其全链路包含采集、制作、管理、分发、消费五个阶段，而云计算和网络的发展，为每个环节都带来巨大的势能变化。
在半月前结束的NBA总决赛中，百视TV作为全网唯一采用“主播陪你看NBA”模式的直播平台，以“陪看型”赛事解说来面对内容差异化竞争。与此同...
图像去噪在二值图像分析、OCR识别预处理环节中十分重要，最常见的图像噪声都是因为在图像生成过程中因为模拟或者数字信号受到干扰而产生...
自去年 10 月 Meta 宣布全力投身元宇宙以来，仅 2022 年第一季度，元宇宙业务就净亏损 30 亿美元，去年全年净亏损更是达到惊人的 100 亿...
最近的 Vision Transformer (ViT) 模型在各种计算机视觉任务中都展示了不错的性能，这要归功于其通过Self-Attention对图像块或Token的远...
ViT正在改变目标检测方法的格局。ViT在检测中的一个自然用途是用基于Transformer的主干替换基于CNN的主干，这直接且有效，但代价是为推...
