VALSE2023 三维视觉、大模型主题记录

最新推荐文章于 2026-01-01 13:05:56 发布
原创 最新推荐文章于 2026-01-01 13:05:56 发布 · 346 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

文章探讨了NeRF技术的发展趋势，如在医疗、机器人和自动驾驶领域的高级应用，结合大模型引入更多元的信息。同时，提到了渲染与深度学习的结合，全局BA的使用，以及对Zero-Shot、One-Shot、Few-Shot学习概念的讨论。

一、NeRF 发展趋势

  1. 高质量动态建模
  2. 与大模型结合
  3. 引入材质等更丰富的信息
  4. 应用到医疗，机器人，自动驾驶等领域

二、渲染与深度学习
在这里插入图片描述

三、使用大模型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、全局BA
在这里插入图片描述

五、Chatgpt 技术
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

什么是 Zero-Shot，One-Shot， Few-Shot
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

VALSE2024 多模态大模型
liguandong
07-11 401
【VALSE2024】0507《Workshop ：多模态大模型》_哔哩哔哩_bilibili。
GPT与大语言模型探索：开启视觉图像智能新时代
lazycatlove的博客
07-21 1288
这种定义使得AI算法能够通过与环境互动来学习，恰好符合AGI的定义：与环境互动，并且最大化奖励。相较而言，CV就没有形成清晰的路线：既没有环境用于预训练，各种算法也并不能在实际环境中解决问题。显然，这背离了CV和AGI的基本原则。
从VALSE 2023看近期人工智能的研究热点
audyxiao001的博客
06-15 1085
本文通过对VALSE 2023会议内容的分析，总结了近期人工智能的研究热点。
通用视觉大模型综述
LF_AI的博客
08-16 3975
背景近两年视觉大模型发展很快，各家公司已经训练出自己的视觉大模型，包括微软的 swin-transformer 系列、Google 的 vit 系列以及 150 亿参数量的 V-MOE 模型。从paperwithcode榜单上可以看到，目前公有数据集任务榜单，如在 ImageNet 数据集上的分类任务、COCO 数据集上的目标检测与实例分割任务，上述榜单表现 SOTA 的都是大模型，实验结果证明大...
VALSE2023-内容总结（正在更新）
qq_45752541的博客
06-16 2951
2023年度视觉与学习青年学者研讨会 (Vision And Learning SEminar, VALSE)于6月10日至12日在无锡太湖国际博览中心召开，由中国人工智能学会、中国图象图形学学会主办，江南大学、无锡国家高新技术产业开发区管理委员会承办。共呈现了3 个大会主旨报告、4个大会特邀报告、12个年度进展报告 (APR)报告、4场讲习班 (Tutorial)、20场研讨会 (Workshop)。另外，还有186篇顶会顶刊论文墙报展示交流活动
VALSE 2023 | 走向计算机视觉的通用人工智能：GPT和大语言模型带来的启发
阿木寺的博客
06-17 741
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【目标检测和Transformer】交流群作者：谢凌曦 | 源：知乎（已授权转载）https://zhuanlan.zhihu.com/p/620631150声明文章所有内容均只代表作者本人观点，其中涉及的前沿内容均有可能被推翻二次转载须连同出处、作者、声明等一并转载。引言距离上次的长篇大论，已经过去了半年有余。...
VALSE 2023 无锡线下参会个人总结 6月12日-3
乄洛尘
06-15 2157
VALSE 2023 无锡线下参会个人总结 6月12日-3
【valse 2024】会议内容汇总（持续更新）
qq_45752541的博客
05-08 2990
正在更新中，需要具体课件可私信
【研究报告】从单目深度估计到单目三维场景重建-沈春华老师-VALSE Webinar 22-13（总第279期）
星辰不问
06-06 4875
【研究报告】从单目深度估计到单目三维场景重建-沈春华老师-VALSE Webinar 22-13（总第279期）
VALSE 2017 | 神经网络模型压缩优化方法
热门推荐
计算机视觉life
06-11 1万+
​近年来，深度神经网络在计算机视觉、语音识别等领域取得了巨大成功。为了完成更加复杂的信息处理任务，深度神经网络变得越来越深，也使得其计算量越来越大。然而，手机、车载等移动端应用对深度神经网络的需求越来越多，因而深度神经网络模型的压缩、加速、优化变的越来越重要。这也是本届VALSE的热点之一。 深度学习算法是计算密集型和存储密集型的，这使得它难以被部署到资源有限的嵌入式系统上。
VALSE2025
06-20
- **大模型及其应用**：随着大模型在视觉领域的广泛应用，VALSE 2025 可能会进一步探讨如何优化大模型的性能及降低计算成本。 - **多模态融合**：多模态数据处理是当前研究热点之一，包括文本、图像、视频等多种模态...
Math - 中心化，标准化和归一化
guoqx的专栏
12-30 652
摘要：归一化是将数据转换为统一尺度的处理方法，消除量纲差异，便于比较与分析。常见方法包括Min-Max缩放（线性映射到固定区间）和Z-score标准化（均值0，标准差1）。Min-Max适用于需要固定范围的情况，但对异常值敏感；Z-score适用于单位不同或存在离群值的场景。归一化在数据分析、信号处理和机器学习中广泛应用，需根据数据分布和算法需求选择合适方法，并注意保存参数以确保一致性。流程包括数据清洗、方法选择、拟合转换和效果评估。
人工智能基础篇：概念性名词浅谈（第十五讲）
m0_53104033的博客
12-31 667
本文介绍了两种改进的自编码器模型。正则自编码器通过在损失函数中添加正则化项，实现了对稀疏表示、噪声鲁棒性等特性的学习，突破了传统自编码器的容量限制。随机编码器则通过向编解码器注入噪声，形成生成模型架构，其训练目标是最小化输入与重构间的负对数似然。文章还特别介绍了针对矩阵数据的改进版本MRAE及其在异常检测中的应用。这些模型通过不同的正则化机制，有效提升了自编码器的特征学习能力。
2025年终总结
李梨同学的博客
12-31 600
以往，想把一个产品从想法变成现实，往往离不开一整条由“螺丝钉”拼出来的流水线：需求评审、产品对接、研发排期、测试上线，每一步都要仰赖他人的时间与资源。我试图推倒技术的高墙，用通俗有趣的语言，把晦涩的AI原理“翻译”给更多人听。这条路注定充满了不确定性。正是这风暴般的时代，打破了旧有的壁垒，赋予了像我这样曾经“不务正业”的个体前所未有的杠杆。这一年，我拒绝做一个默默敲代码的“独行侠”，决定走出去，构建自己的知识品牌。三年后再次站在时间的节点回望，这一年于我而言，是从“被浪推着走”到“学会造浪”的转折点。
GitHub 热榜项目 - 日榜(2026-1-1)
最新发布
CoderJia的学习之路
01-01 374
本期GitHub热榜显示AI应用开发正全面渗透各技术领域，前沿项目聚焦于解决实际工程问题。Gemini的电脑使用预览和Timescale的pg-aiguide展示了AI与开发工具深度整合，通过MCP服务器提升代码生成质量。Pathway框架和docetl系统凸显流式ETL与LLM管道技术成熟，推动实时数据分析与RAG应用落地。同时，来自ResembleAI的Chatterbox和TrendRadar分别代表语音合成与智能信息聚合的技术突破，Deep-Live-Cam则体现单图视频生成技术的平民化趋势。这些项
第N11周：seq2seq翻译实战-Pytorch复现
m0_46260522的博客
12-26 987
5.2 注意力解码器（AttnDecoderRNN）7.2 训练迭代主循环。
【AI学习-comfyUI学习-第二十五节-Shuffle洗牌模式布局+contronet其他应用结合-各个部分学习】
qq_22146161的博客
12-27 1403
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。不断学习摸索中。
2025年智能体架构与主流技术深度研究报告：从生成式AI迈向自主执行层
chengoodflower的博客
12-30 742
在2025年，智能体的记忆技术已经超越了简单的向量检索增强生成（Naive RAG），向着结构化、分层化和具有自我管理能力的**操作系统级记忆（OS-Level Memory）**演进。这简化了智能体的架构，使得开发者无需维护独立的推理服务即可实现高质量的检索。：在多智能体系统（Multi-Agent Systems）中，o3 被广泛用于担任“编排者（Orchestrator）”或“团队领导（Team Lead）”的角色，负责将模糊的用户需求转化为具体的子任务序列，并分配给其他更快速的模型去执行。
No105:甘地&AI：智能的非暴力变革与社会智慧
weixin_43135215的博客
12-28 760
在追求AI社会智能进步的同时，我们需要甘地式的社会智慧和人文精神，让智能不仅能够处理数据，更能够理解人性、促进和谐、实现公正、服务人类，成为真正推动社会进步和人类福祉的智能力量。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

培之

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值