DCNv4： 动态与稀疏操作的高效融合 | CVPR Highlight

论文：

arxiv.org/pdf/2401.06197.pdf

开源链接：

https://github.com/OpenGVLab/DCNv4

在计算机视觉的研究征途上，我们团队一直在探索如何使卷积神经网络更加高效和强大。今年，我们在CVPR会议上发表了我们的研究成果——Deformable Convolution v4 (DCNv4)，这是对我们之前工作的一次重大升级。总体而言DCNv4比之前的DCN算子推理速度更快，收敛速度更快，最终性能更优。

我们的研究动机

在深度学习的视觉任务中，卷积神经网络（ConvNets）的性能在很大程度上取决于其感受野的大小和形状。然而，传统的卷积操作是固定的，无法适应图像内容的变化。为了解决这一问题，可变形卷积（Deformable Convolution）通过