- 博客(109)
- 收藏
- 关注
RSS订阅原创 迁移学习+时间序列预测又赢麻了！快速上手拿下顶会顶刊！
迁移学习+时间序列预测，一个能解决数据稀缺和模型泛化两个实际应用核心痛点的方向。几年前这方向的研究还很少，现在已经在顶会顶刊上持续有成果产出了，发展势头可见一斑。到了今年，迁移学习+时序预测的发文门槛虽然有所提高，但机会还是很多，尤其在解决时序数据的固有挑战方面。比如如果你就想快速冲毕业，可以做参数高效微调在时序预测中的应用，这是当前的交叉热点，实现简单，易于成文；如果想拼顶会顶刊，那推荐做领域不变因果特征学习，性价比和成功率更高。
2025-12-04 13:49:35
683
原创 时间序列可解释性发顶会，关注这个核心思路就够了
深度学习搞时序，可解释性始终是个绕不去的坎。发展至今，关于这个难题的研究重心已经从打开模型黑盒，转变成了强调解释必须服务于人类的决策，也就是“决策可解释”。那么在这种背景下，时序可解释性还能如何创新？我的建议是：不要只做更好的“解释工具”，而是要设计更好的“决策伙伴”。你的创新应该紧紧围绕“为人类决策者构建有意义的时序抽象层”这个核心挑战，而且评估工作价值时，也要设计面向决策的评估。
2025-12-03 14:19:48
870
原创 顶会诱捕器：傅里叶变换+时间序列！久违的思路干货，原来还可以这样做
方法：论文提出 ELF 方法，通过在傅里叶域构建轻量级线性预测器，借助离散傅里叶变换处理时间序列并丢弃高频分量以降维，结合伍德伯里矩阵恒等式实现高效在线拟合，再通过包含快慢组件的动态加权器融合基础模型与 ELF-Forecaster 的预测结果，实现时间序列基础模型预测的在线自适应优化。方法：论文提出 FreCT 框架，通过补丁操作生成时间序列对比视图，结合卷积与 Transformer 捕获时空依赖，利用傅里叶变换提取频域特征，通过 KL 散度和绝对误差优化时域与频域一致性，实现鲁棒的时间序列异常检测。
2025-11-27 10:00:49
426
原创 精准直达名企！咕泡内推定制化服务体系——你的专属求职加速器！
班主任了解学员的基本情况，在内推跟进表中填写前四列标红信息（学员姓名、所属班主任、意向城市、学历），同步将带有学员名称的简历私发给就业老师，同时将就业老师拉进学员的服务群，内推需要学员本人配合。：群内不定期更新内推岗位，职业咨询老师添加学员好友 - 评估简历 - 协助学员优化简历 - 投递简历 - 反馈结果 - 匹配其他合适企业。：职业咨询老师添加学员的联系方式，获取学员简历 - 评估简历 - 给意见 - 投递简历 - 反馈结果 - 匹配其他合适企业。固定每周二向学员反馈上周的内推进展。
2025-11-26 13:57:39
390
原创 机器学习可解释性又爆新突破！直接拿下双一区TOP刊！
方法：CellPhenoX 这一可解释机器学习方法，结合分类模型、可解释AI技术（如SHAP），生成细胞特异性可解释分数，能识别单细胞数据中与临床结果相关的细胞表型及交互效应，同时保证模型可解释性。方法：论文提出基于文本分类的方法，通过构建条款分类标准与数据集，利用领域预训练模型（RuleBERT）自动分类条款机器可解释性，结合文档级评估指标，明确建筑规范可解释性水平，增强模型透明度。开发CellPhenoX方法，整合分类模型与可解释AI技术，生成细胞特异性分数，能识别与临床结果相关的细胞表型及交互效应。
2025-11-24 14:33:29
259
原创 小样本学习+目标检测太好发文了！创新多门槛低，“故事”也好讲
论文可辅导的方向：给想要快速发出论文的同学推荐一个“性价比高”的方向——小样本目标检测FSOD。一是因为这方向现实需求迫切，容易讲好“故事”，毕竟在很多领域，收集和标注的成本懂的都懂。二是，FSOD数据需求小，研究门槛低，这意味着实验周期短，非常适合快速迭代想法。而且更重要的是，FSOD与前沿技术结合紧密，创新点多，在CVPR/TPAMI等顶会顶刊上关注度足够，只要工作有亮点，就有机会。那么如何快速发出成果，特别是高区？
2025-11-19 16:55:06
873
原创 狂发顶会顶刊的多模态数据预测，赢在哪里？
方法：论文提出 PIBD 框架，通过原型信息瓶颈模块筛选单模态内判别性实例以减少模态内冗余，结合原型信息解纠缠模块在联合原型分布引导下分离模态公共与特异性知识以降低模态间冗余，实现病理与基因组多模态数据融合的癌症生存预测。这源于多模态相关的持续霸榜，再加上，因为该领域需要处理不同模态数据间的关联和转化，这让它无论在模型架构、融合方法、对齐技术还是应用落地层面，都存在大量待探索的空白，换句话说，就是创新空间大。构建 PIBD 框架，整合 PIB 与 PID 模块，提升多模态融合的癌症生存预测效果。
2025-11-18 11:06:50
517
原创 10+资深医学SCI导师天团来了！科研小白也能弯道超车！
10 多位实战派医学 SCI 导师来帮你！他们太懂投稿路上的那些坑，能帮你少走弯路、节省时间，把你的研究亮点充分展现，轻松变身合格的学术文稿。辛苦攒下的实验数据，不知道怎么组织成有说服力的内容？做实验时干劲满满，写 SCI 论文却卡到崩溃？赶紧私信，下一个收获录用通知的就是你！需要的同学们可以私信我。
2025-11-15 17:44:37
87
原创 kaggle竞赛组队ing，需要的同学可以私信UP哦，队伍实力保银争金！
从零基础到竞赛突围，跟着 GM 导师走，升学、科研、求职 buff 叠满～ 🚀。最新赛道组队中，大家可以直接来私信我，包银争金！
2025-11-11 21:46:20
88
原创 Kaggle医疗影像赛题新突破！RSNA颅内动脉瘤检测喜获佳绩！
从零基础到竞赛突围，跟着 GM 导师走，升学、科研、求职 buff 叠满～ 🚀。利用AI技术在CTA、MRA、MRI等医学影像中。跨机构、多扫描仪数据考验模型泛化能力。🌟 加入我们，用AI技术拯救生命！✅ 在Kaggle竞赛中斩获佳绩。精准检测颅内动脉瘤，挽救患者生命。全球约3%人口受颅内动脉瘤威胁。高达50%病例在破裂后才被发现。✅ 参与具有社会意义的AI项目。在真实临床变异数据中脱颖而出。为自动化诊断方案贡献关键力量。每年约50万人因此失去生命。✅ 提升计算机视觉实战能力。计算机视觉 × 医疗影像。
2025-11-11 21:43:19
263
原创 GrandMaster带你打kaggle｜全赛道覆盖
计算机视觉（CNN 检测 / 目标检测 / 图像分割）+ 自然语言处理与大语言模型。从零基础到竞赛突围，跟着 GM 导师走，升学、科研、求职 buff 叠满～ 🚀。tep3 领取kaggle solution 470 场top方案。这份「导师亲授 + 全赛道覆盖」的竞赛指南必须码住！1.冲金保银 | 导师+助教+班主任三师全程保航。赛题一：physioNet-心电图图像的数字化。赛题六：Jigsaw 敏捷社区规则分类竞赛。机器学习基础 + 数据挖掘竞赛算法精讲。📊热门 Kaggle 赛题任选。
2025-11-11 21:40:59
444
原创 [ICCV 2025]多模态大模型解决底层视觉任务
题目：Perceive, Understand and Restore: Real-World Image Super-Resolution with Autoregressive Multimodal Generative Models论文地址：https://arxiv.org/pdf/2503.11073。
2025-11-10 19:38:18
886
原创 CNN+LSTM+Attention！三重经典热点联手，搞定Nature子刊so easy！！
给论文er分享一个比较容易找创新点的方向：CNN+LSTM+Attention。这方向还尤其适合在高质量期刊上发表应用型研究，光Nature子刊就连续发了不少。这是因为它巧妙地将不同模型的优势“组装”在一起，一来这种组合创新在目前的学术环境下本来就非常受认可；二来，组合带来的核心优势让它在多个领域都证明了自己的价值。如今，任何同时包含空间/局部模式和时序变化的数据，都可以用这组合来解决。为方便大家理解，本文整理了一些CNN+LSTM+Attention前沿论文，感兴趣的论文er可以参考这些成果找到思路。
2025-11-05 22:08:32
537
原创 火力全开！强化学习又双叒登上顶级Nature子刊！
给大家分享强化学习里一个值得学的成果——最大扩散强化学习（MaxDiff RL），感兴趣的同学可看原文。这是种新的RL方法，目前多个基准测试都实现了SOTA，还登上了Nature Machine Intelligence。说这个是想给没思路的论文党提供方向，从核心创新看，MaxDiff RL属于解决特定问题范式的创新类。目前RL主流创新思路就4类，除了上述这种，还有核心方法与架构创新、融合领域知识和模型的新范式，以及迈向通用智能的探索。所以建议想快速出成果、发高区的朋友，多往这些方向探索。
2025-11-03 20:22:02
255
原创 ICLR神秘论文曝光！SAM3用「概念」分割万物，从 “看像素” 进化到 “懂语义”
Meta推出的SAM3在ICLR2026论文中提出「基于概念的分割」新范式，使AI从「视觉识别」迈向「语义理解」。SAM3通过可提示概念分割(PCS)功能，能根据文字或图像提示识别并分割符合特定概念的所有对象，如「红苹果」或「条纹猫」。研究团队构建了包含400万概念标签的高质量数据集，并引入数据引擎优化标注流程。实验显示，SAM3在LVIS数据集上零样本分割准确率达47%，处理速度达30毫秒/图像。该突破将分割任务从实例级提升到概念级，为多模态智能系统奠定基础。
2025-10-31 11:58:47
718
原创 分分钟带你杀入Kaggle Top 1%
不知道你有没有这样的感受，在刚刚入门机器学习的时候，我们一般都是从MNIST、CIFAR-10这一类知名公开数据集开始快速上手，复现别人的结果，但总觉得过于简单，给人的感觉太不真实。因为这些数据太“完美”了（干净的输入，均衡的类别，分布基本一致的测试集，还有大量现成的参考模型），要成为真正的数据科学家，光在这些数据集上跑模型却是远远不够的。
2025-10-28 22:06:20
917
原创 碾压同龄人！87W+期权 的 offer，爽了！
最近是秋招面试的高峰期，很多小伙伴关心现在AI的市场行情好吗？现在开始准备还来得及吗？给大家分享个真实案例，就在我们特训营里，成功拿下 87W+期权 的 offer！第一时间在群里报喜。拥有 1-3 年工作经验的，10K 是底线，25K 是常态，在 30 岁前年薪 50W+ 的也大有人在。随着技术的普及，各家企业的框架逐渐成熟化，行业的门槛会越来越低。但是由于实际业务的不断丰富和深入，开源框架和工具也已经无法直接满足实际生产和业务需求。太多人就业找工作或者毕业发论文走了太多的弯路。
2025-10-24 14:49:20
160
原创 2天，让你的项目经验“开口说话”！
不是“更努力”，而是“更聪明”的准备 —— 掌握让平凡项目发出光芒的“叙事法则”！不是“被动回答”，而是“主动控场” —— 学会引导面试话题，展示最强自己！（秋招尾声，别让错误的准备方式成为你与心仪offer之间的最后一道障碍。不是“背更多八股”，而是“构建知识网络” —— 用思维深度打动面试官！✅ 学会回答技术问题的“定义-原理-场景-实践”高阶模型。✅ 学会将“参与项目”升级为“技术实践故事”的包装术。✅ 掌握应对“项目没技术难度”质疑的逆袭话术模版。✅ 获得让任何项目经验“价值最大化”的包装技巧。
2025-10-21 13:52:22
299
原创 面试总被拒！这竟然是“致命原因”？
在咕泡的学习中，他感慨到：最大的改变就是之前零碎的知识点，通过学习之后可以成体系了，同时也就理解更深入了！”这是D同学的面试总结。在这个迷茫又关键的节点上，他了解到了我们，在听过训练营并详细咨询后，他发现课程服务与他的痛点高度契合，便毅然报名，成为咕泡的一名VIP学员。本期案例 —— D同学，家里有事+上家公司的持续高强度工作，让他选择了裸辞，3个月的时间，他回归职场，却在面试过程中屡屡受挫，根据D同学的真实面试进度，复盘优化，从技术问题的回答逻辑，到非技术问题的应对策略，再到提问环节的技巧，逐一打磨。
2025-10-20 11:04:01
254
原创 超全面讲透一个算法模型，LSTM！！
LSTM（长短期记忆网络）是一种擅长处理序列数据的特殊神经网络，通过三个门控机制（遗忘门、输入门、输出门）有效解决传统神经网络的短期记忆问题。它能选择性地记住重要信息并遗忘无关内容，在处理文本、时间序列等数据时表现优异。文章通过预测文本的实例对比了LSTM与普通神经网络的效果差异，并提供了Python实现LSTM的完整代码示例，展示了其在虚拟时间序列数据上的应用。手动实现的LSTM模型清晰地呈现了各门控单元和记忆状态的变化过程，帮助读者直观理解其工作原理。
2025-10-13 13:50:38
761
原创 医学图像分割新突破！MM-UNet用Mamba模型超越nnUNet
MM-UNet：医学图像分割新突破 来自伊利诺伊理工学院和伊利诺伊大学芝加哥分校的研究团队提出了一种创新的医学图像分割架构MM-UNet，巧妙融合了CNN和状态空间模型(SSM)的优势。该研究解决了传统CNN局部感受野受限和Transformer计算复杂度高的问题，通过将Mamba模型引入U-Net框架，在AMOS2022和Synapse数据集上实现了最先进的性能表现。 核心创新包括： 可替换元块设计：支持纯CNN、纯Mamba或混合配置 残差连接内部嵌入Mamba模块：有效降低特征图方差 双向扫描策略：缓
2025-10-10 15:52:12
1027
原创 医学图像分割想发论文？选 SAM 准没错！认可度高，微创新就能冲
医学图像分割领域近期涌现多个基于SAM的创新方法，有效解决标注数据稀缺问题。SAMed-2通过置信驱动记忆机制处理噪声数据，Self-Prompt-SAM首创免手动提示方案并适配3D医学图像，SSS方法结合半监督学习与判别性特征增强。这些创新主要围绕提示优化、半监督学习、3D适配和多模态扩展等方向，在低注释场景下显著提升性能。相关成果已在CVPR2025等顶会发表，为医学图像分割提供了新思路。该领域技术天花板高，通过针对性微创新即可产出高水平论文。
2025-10-08 11:52:48
686
原创 Transformer这么火，LSTM这种“老古董”还有什么可研究的？
摘要：LSTM在Transformer时代仍具研究价值，通过四种技术路径保持竞争力：1)内部魔改型提升性能效率；2)结构增强型结合注意力机制；3)机制融合型整合滤波算法；4)新兴架构结合型引入物理信息。研究展示了LSTM在医疗、电池预测等领域的创新应用，如结合Transformer的频谱预测、呼吸运动预测等。这些改进既满足学术创新需求，又具备工业落地潜力。
2025-10-07 16:14:24
527
原创 100K*15薪！CV的薪资杀疯了。。。
【摘要】计算机视觉成为AI领域竞争最激烈的方向，企业高薪抢人，平均月薪达27K，但薪资分化明显。为帮助求职者系统掌握核心技术，唐宇迪团队推出第13期《人工智能深度学习涨薪就业班》，课程对标大厂P7+要求，涵盖YoLov12/v13、多模态等前沿技术，提供450+课时、200+实战案例及就业服务。课程面向在职转型和应届求职群体，承诺三年免费更新，限时3人特惠，助力实现年薪40-60W+目标。（149字）
2025-09-29 10:34:10
923
原创 Transformer再提升！阿里HeterRec推荐模型
摘要： 《HeterRec》提出了一种基于异构信息Transformer的可扩展序列推荐模型。其创新点包括：1）异构令牌扁平化层（HTFL），将物品细粒度分解为文本、图像等多模态特征令牌，构建异构序列；2）层次化因果Transformer（HCT），通过令牌级和物品级双模块分层捕捉用户行为模式。实验表明，该模型在Recall@200等指标上较基线提升超15%，尤其在深层网络中性能优势显著，验证了异构特征对增强Transformer可扩展性的关键作用。
2025-09-26 10:42:15
757
原创 月薪 6W + 还缺人？程序员新岗位崛起，未来 3-5 年别错过这波红利！
【摘要】当前AI大模型应用开发迎来黄金期，行业呈现两大特征：一是技术趋势明确，应用侧机会涌现；二是RAG、Agent等方向处于早期发展阶段，存在巨大市场空白。与此同时，AI人才需求激增，相关岗位薪资涨幅达150%，年包可达70-100万。为助力开发者抓住机遇，咕泡科技推出AI大模型实战训练营，覆盖多行业应用场景，并提供百万奖学金支持。建议技术从业者及早布局AI能力，提升未来竞争力。
2025-09-25 10:17:28
370
原创 卡尔曼滤波结合LSTM，发顶会顶刊就是这么容易！
【前沿技术速递】LSTM与卡尔曼滤波融合模型开创时序处理新范式 NeurIPS'2025最新研究突破传统算法局限，创新性地将LSTM的时序建模能力与卡尔曼滤波的动态优化特性相结合。该混合模型通过三大技术革新： 实时参数调整机制：卡尔曼滤波动态优化LSTM权重 多模态融合架构：支持异构传感器数据协同处理 噪声鲁棒性增强：在30dB噪声环境下仍保持85%以上准确率 工业实测数据显示： 设备故障预警准确率提升25% 安防系统误报率下降30% UWB定位精度达3.7cm（提升40%） 地铁轨迹预测误差降低22% 现
2025-09-24 10:34:40
578
原创 高分创新点！基于Transformer的YOLO目标检测！
【目标检测新方向：Transformer+YOLO融合研究】 近期研究聚焦Transformer与YOLO的融合，通过结合Transformer的全局建模能力和YOLO的高效实时检测优势，显著提升了复杂场景下的目标检测性能。典型创新包括： HR-YOLO：引入Swin Transformer和优化模块，增强雾天条件下的特征提取； ATBHC-YOLO：结合双向混合卷积和WIoU损失，提升无人机图像中小目标检测精度； Dense-TRU-YOLO：集成Denseblock和UNet++-FPN，优化自然环境下
2025-09-23 11:48:02
774
原创 千万别再自学AI大模型了（当心学废了，文末有彩蛋）
相比于自学，越来越多人选择参加正式的课程或训练营，不仅能确保你接触到高质量的教学内容，还能让你置身于一个充满活力的学习社区中。任何一个时代的技术变革，不管这个技术多厉害，只有真正能够解决人的问题才有价值，而AI大模型技术做到了这一点。因此，处在AI时代的互联网人，都需要了解AI大模型的能力模型，就像计算机里面的Office 软件一样。而且在正式的课程或训练营，你可以与同行交流心得，参与项目实践，甚至得到业内专家的一对一辅导。那些率先拥抱AI工具的人将获得显著的优势，而忽视这一趋势的人可能会逐渐落后。
2025-09-12 10:23:14
404
原创 为什么你的论文总会被导师“打回重写”或被期刊高冷“拒稿”？
从选题、创新点、实验、写作到投稿录用，由论文指导老师、代码指导老师、学术顾问老师、产品专家和资深班主任组成的团队全程跟进，24小时无时差群答疑，直至论文成功被目标期刊/会议接收。实验卡壳时的焦虑、投稿前的自我怀疑、被拒稿后的迷茫....这些时刻，学员需要的不只是技术指导，更是一份“始终在场”的支持。服务覆盖从选题创新、文献精读、创新点提炼，到代码实现与实验验证、论文撰写与修改，直至投稿指导的全过程，助力学员高效完成高质量论文，并最终实现期刊录用或毕业论文顺利通过。任何问题都可以找我咨询。
2025-08-28 13:58:18
446
原创 大厂难进？1V1 协议保进计划：签协议、强辅导，今年必上岸！
大厂私教 是根据多年行业人才数据的深度研究，基于目标公司的岗位胜任力标准要求，聘请头部IT科技公司（如腾讯、字节、阿里等头部互联网企业）在职的资深专家担任专属教练，为参加者提供具有结果保障制的带教服务（现在大厂私教班正在火热招生中，如果你是Java、AI、大数据语言，且想要进入大厂，却不知道怎么准备的同学们，不妨了解一下。，课程设计以大厂用人需求为方向，选择头部企业在职资深技术专家全程陪跑，提供可交付的教学结果，帮助你轻松实现“大厂梦”！协议保障：未拿目标大厂Offer，按协议退费！AI大厂协议保障计划。
2025-08-18 17:00:56
347
原创 彻底搞懂深度学习-卷积神经网络(CNN)（动图讲解）
卷积神经网络（CNN）通过局部感知和权重共享机制，模仿人类视觉系统处理图像。它采用卷积层提取局部特征（如边缘、纹理），通过池化层压缩信息保留关键特征，形成层次化特征学习。相比传统全连接网络，CNN能有效利用图像空间结构信息，大幅提升图像识别效率。其核心组件包括卷积核、步长、填充等，共同实现高效的特征提取和数据处理。
2025-08-13 10:40:33
1213
原创 2025年了，LSTM还能做吗？看看这些登上Nature的LSTM改进模型
2025年LSTM仍具研究价值：在工业、医疗等稳健性要求高的场景中，其记忆能力和可解释性优势明显。当前LSTM创新方向包括：1）变体改进；2）与Transformer、注意力机制等结合（如TFT模型在径流预测中表现优异）；3）跨领域融合（如端云协作的电池健康评估、遥操作延迟补偿等）。这些方法实现简单且效果显著，适合学术研究。相关990篇可复现论文及代码资源可供参考。
2025-08-12 11:36:08
991
原创 简单分高的发文策略：LSTM+Transformer+时间序列预测
摘要：LSTM-Transformer混合架构已成为时间序列预测领域的研究热点，通过结合LSTM的局部时序建模和Transformer的全局依赖捕捉优势，在多个应用场景中展现出卓越性能。目前研究集中在矿山涌水预测、智能电网启动策略、GNSS信号处理和时空预测等领域，通过引入随机搜索、贝叶斯优化、PSO算法等优化技术进一步提升模型精度。创新方向包括记忆增强、稀疏化、蒸馏技术和多模态融合等，这些混合模型在精度和泛化能力上均显著优于传统方法，具有重要应用价值。
2025-08-05 10:44:23
886
原创 把“傅里叶变换、注意力机制”组合在一起，这篇文章你一定要看
【前沿研究速递】傅里叶变换+注意力机制成为AI研究热点，在信号处理、医学影像等领域展现创新价值。最新研究如SRConvNet、DFENet等通过频域特征调制，解决了长程依赖建模和复杂信号捕捉难题。FreMIM框架将医学图像重建任务转移至频域，FBM方法则创新性地从基函数视角重构时间序列预测。这些工作通过频域/时域特征融合，在轻量化架构、多模态融合等方向取得突破，为研究者提供了可借鉴的技术路径。（148字）
2025-07-29 14:07:07
817
原创 Nature+CVPR双杀！Transformer热度狂飙，何恺明、李飞飞都参与了
Transformer模型近期成为研究热点，涌现多项创新成果。SAIL模型采用单Transformer架构处理多模态数据，无需视觉编码器预训练；SpectFormer结合频谱层与注意力层，显著提升视觉任务性能；Hallo3运用视频扩散Transformer实现逼真肖像动画；HaploOmni通过多模态预热策略统一视频理解与生成。这些研究在CVPR、ICLR等顶级会议上备受关注，推动Transformer在计算机视觉和多模态领域的应用边界。
2025-07-08 11:37:07
952
原创 2025年深度学习+多目标优化最新创新思路
深度学习与多目标优化技术融合正成为研究热点，在图像生成、自动驾驶等领域表现突出。最新研究通过权重嵌入、多模态融合等方法显著提升性能：港科大团队提出"权重嵌入"技术（WE-Add/WE-CA模型），增强模型对权重与实例交互的捕捉能力；图-图像多模态框架（GIMF）通过融合不同模态信息优化求解效果；深度强化学习辅助的进化算法则动态调整代理模型，有效处理昂贵约束问题。这些创新方法在收敛性、多样性和泛化能力上均有突破，推动多目标优化技术向更复杂场景拓展。
2025-07-05 17:27:47
1634
原创 YOLO卷不动了，深度学习目标检测还有哪些方向能做？
目标检测领域最新研究进展显著，YOLOv13通过超图计算和轻量化设计提升了实时检测性能。DETR系列改进模型Mr.DETR采用多路线训练机制优化检测精度。开集目标检测方向VINO模型通过视觉库增强语义理解，SAM+目标检测的RoboFusion框架则提升了复杂环境下的3D检测性能。这些研究为相关领域提供了新的技术思路，YOLO全系列算法和人工智能资料包可通过指定方式免费获取。
2025-07-03 16:14:47
987
原创 (CVPR 2025)可变形Mamba再度进化！SOTA性能炸裂，涨点起飞
【摘要】Mamba模型在CVPR2025等顶会表现亮眼，其中大连理工提出的DefMamba成为首个可变形视觉Mamba框架，通过动态扫描路径实现四大任务SOTA性能。多篇研究展示其创新应用：DefMamba通过可变形扫描策略解决固定路径缺陷；SDMamba采用稀疏序列降低计算成本；Deform-Mamba网络结合可变形卷积提升MRI超分辨率；TGDM框架则利用拓扑先验优化肋软骨分割。这些研究凸显Mamba在医疗影像、视频建模等领域的潜力，建议结合混合架构与3D扩展进行创新突破。（149字）
2025-07-01 15:08:09
896
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人