- 博客(15)
- 收藏
- 关注
RSS订阅原创 论文精读（8）:DINOv3：自监督视觉模型的新一代利器
DINOv3 是一款自监督学习（Self-Supervised Learning，SSL）视觉模型。传统有监督的视觉模型训练，比如分类任务、检测和分割任务，都需要大量人工标注的数据，比如标注猫 🐱、狗 🐶、车 🚗 等，数据量越大，标注成本越高。无需人工标注，它能自己学习图像中的规律和特征。就像小朋友👶通过观察周围事物，慢慢学会区分不同物体，DINOv3就是一种自监督学习的框架。Meta可视化了使用DINOv3输出特征获得的余弦相似度图，这些图展示了带有红色十字标记的块与其他所有块之间的相似度。
2025-09-19 22:30:00
986
原创 论文精读（7）: DINO 系列自监督视觉学习发展与 DINOv3 深度解析
不依赖标注：通过多视角裁剪（Multi-Crop）保证特征一致性。中心化 + 温度锐化：稳定输出分布，防止坍塌。：ViT 的注意力自动对齐显著区域，实现类显著性特征。DINO：语义自监督，Emergent AttentionDINOv2：通用可迁移特征，Register Token 与大模型稳定策略DINOv3：多任务可塑性 + 动态 token + 掩码融合 + 分辨率混合训练。
2025-09-09 21:00:00
1230
原创 论文精读（6）: ICCV 2025 | 精准控制生成图像中的物体数量？YOLO-Count 给出了可微分的解决方案！
YOLO-Count 是一个支持开集通用、全可微分的物体计数模块，能够无缝集成到 T2I 生成过程中，为“图文一致性”提供数量级别的精细控制，尤其在高数量、大规模、稀疏监督下表现卓越。传统密度图容易受尺度、位置偏差影响，YOLO-Count 引入“基数图”：对每个物体内部均匀分配权重；总和即为目标数量；更鲁棒、不模糊、不重复计数！YOLO-Count 是一个真正能“数清楚”的生成控制模块，把文生图带入“量化控制”的新时代！
2025-08-04 11:27:41
726
原创 论文精读（5）: EfficientTAM：更轻更快的“追踪万物”模型，让SAM 2跑进手机！
打包整理好，发布在我们的知识星球【研AI】中，扫码即得！
2025-07-29 10:08:29
781
原创 论文精读（4）: CVPR2025|OCRT 如何让基础模型在开放世界中大放异彩？
在计算机视觉领域，基础模型（FMs）如 SAM 和 CLIP 凭借海量数据训练展现出强大能力，但一遇到开放世界的「幺蛾子」—— 比如分布偏移、弱监督或恶意攻击，性能就容易「翻车」。而 CVPR 2025 的新研究提出了一套通用框架，能让这些模型在复杂场景中「抗压能力」飙升。今天我们就来拆解这个「涨点神器」的核心思路。
2025-07-25 20:33:37
808
原创 论文精读（3）：智能体互联网（IoA）全解读与实战指南
《智能体互联网（IoA）：多智能体协同新范式》 本文介绍了多智能体系统领域的前沿研究《Internet of Agents》，提出了一种受互联网启发的创新架构，旨在解决现有智能体系统生态隔离、单设备模拟局限和刚性通信等痛点。IoA框架包含三大核心设计：分层架构明确职责划分、嵌套团队机制支持动态任务分解、以及基于状态机的智能协作流程。通过五大协同机制实现异质智能体的无缝协作，系统实测在多个任务中性能显著优于传统方法。尽管存在第三方集成难度等挑战，IoA展现出了作为未来AI协同基础设施的潜力
2025-07-21 18:56:24
1217
原创 论文精读（2）| CVPR2025 | VGGT：用一个Transformer搞定3D重建，速度、精度全面超越传统方法！
近年来，3D计算机视觉领域在 SfM、MVS、深度估计等多个任务上取得了飞跃发展，尤其是在大模型和Transformer架构的推动下，一些端到端系统开始尝试挑战传统“视觉几何 + 后处理”的范式。这个模型厉害在哪？一句话总结：🧠VGGT 是一个仅靠前向传播就能完成从图像到3D重建全过程的大型 Transformer，甚至无需 Bundle Adjustment，就能在多个3D任务中超越现有SOTA！
2025-07-17 09:19:46
1285
原创 论文精读（1）| LLM | KAQG:知识图谱增强的RAG框架，实现难度可控的问题生成
今天带来一篇非常值得关注的跨学科研究论文——它实现了一个完整的、协作式的工作机制，贯穿了知识图谱构建基于图谱的检索强化生成（RAG），再到基于教育评估理论的输出校准。从知识处理到难度可控的问题生成。这项工作不仅展示了语义图上下文如何引导大语言模型（LLM）的推理路径，更首次在生成过程中落地了“题目难度指标的可操作性”，为教育评估场景中的智能出题与难度适配提供了创新的AI解法。接下来，我们一起拆解这篇论文的关键内容。本文提出了一个全新框架 —。
2025-07-17 09:17:15
544
原创 AI 推理框架速读（3）—— RKNN
📌 RKNN 推理框架：边缘 AI 的高效部署利器 瑞芯微推出的 RKNN 专为旗下 NPU 芯片（如 RK3588/RK356x）优化，支持主流模型（ONNX/TFLite等）转换为专用.rknn格式
2025-06-10 10:23:35
1645
原创 AI 推理框架速读（2）—— TensorRT
优势描述极速推理提升 2-10 倍推理速度显存占用更少支持 FP16 / INT8 精度支持主流模型可与 ONNX 接口结合高度灵活支持动态输入、动态 shape、batch size 等跨平台部署支持 x86、ARM 架构，适合边缘计算和服务器。
2025-06-03 11:27:18
794
原创 Grounding DINO的colab报错问题解决方法
在Colab上运行GroundingDINO的demo时，遇到了两个主要问题：NameError: name '_C' is not defined和error: subprocess-exited-with-error。这些问题源于Colab上使用的torch2.6.0+cuda12.5或更高版本不再兼容旧的.type()方法，导致GroundingDINO库构建失败。解决方法是修改GroundingDINO/groundingdino/models/GroundingDINO/csrc/MsDeform
2025-05-19 17:12:49
851
2
原创 使用colab快速下载huggingface的大模型文件
第三步，指定需要下载的文件list，执行下载操作，在这里我只下载了几个比较大的参数文件，默认下载路径为/content/download/repo_id，如/content/download/hfl---llama-3-chinese-8b-instruct-v3，在colab的文件夹列表中可以找到。近期在学习大模型的微调与部署应用，需要再huggingface下载预训练好的模型参数文件，这时候问题来了！第二步，导入包，定义函数，并从huggingface获取文件列表，代码参考了。首先我们打开colab，
2024-09-06 11:29:03
2511
原创 yolov10如何去掉非极大值抑制(NMS)的？
第三步，设置一个iou阈值，然后计算候选框与其他框的iou，得到其他框相对于候选框的iou值，若某个框iou值大于设定的阈值，则大概率这个框跟候选框描述的是同一个物体，我们移除所有大于阈值的框，图中需要移除的是蓝色。以上就是nms的过程，去除低置信度的框--去除重叠框，这个算法最大的问题就是去除重叠框时，容易对真实重叠的物体造成误判。第四步，对于多个目标的结果，第三步去除重叠框之后，还剩下其他目标框，我们继续重复选择候选框，去除重叠框的步骤，直到处理完所有候选框(没有其他目标框了)，算法结束。
2024-06-07 20:42:48
2455
2
原创 论文阅读（1）：病理图像分类TransMIL: Transformer based Correlated Multiple Instance Learning
关于病理图像的论文阅读
2022-09-05 20:34:14
5504
2
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