对视觉细节的高分辨率感知对于日常任务至关重要。但是，当前的视力预训练仍然仅限于低分辨率（例如 ...

基于 Transformer 体系结构的越来越多的端到端文本斑点方法表现出了卓越的性能。这些方法利用匹配算法的二分图来执行预测对象和实际对象之间的一对一最佳匹配。但是，两分图匹配的不稳定性会导致不一致的优化目标，从而影响模型的训练性能 ...

培训语义细分器和合成数据的训练语义分段因其易于访问性和大量数量而引起了极大的关注。大多数以前的方法都侧重于生成大规模合成图像批准样品，然后使用所有方法训练分段器。但是，这种解决方案仍然是一个主要的挑战，因为不可避免的样品是不可避免的，并且使用它们来训练模型会损害训练过程 ...

最近发布的Chatgpt表现出了自然语言理解和自然语言产生的惊人能力。机器翻译在很大程度上取决于语言理解和发电的能力。因此，在本文中，我们探讨了如何使用Chatgpt协助机器翻译 ...

我们提出了一种基于深神网络（DNN）的人类姿势估计方法。姿势估计是针对身体关节的基于DNN的回归问题。我们提出了一系列此类DNN回归变量，从而导致高精度姿势估计 ...

大型语言模型（LLMS）有可能产生构成滥用风险的文本，例如窃，在电子商务平台上种植虚假评论或创建炎症性虚假推文。因此，检测LLM产生的文本是否变得越来越重要。现有的高质量检测方法通常需要访问模型内​​部以提取内在特征 ...

近年来，场景文本发现吸引了相对研究人员的热情。大多数现有场景的文本检测器都遵循检测 - 然后识别范式，其中香草检测模块几乎不能决定阅读顺序并导致失败识别。在重新考虑自动回归场景文本识别方法之后，我们发现训练有素的识别器可以隐式地感知完整单词中所有字符的局部语义或没有字符级检测模块的句子 ...

我们已经在基本的感知任务（例如对象识别和检测）中看到了很大的进步。但是，由于缺乏更深层次的推理能力，AI模型仍然无法在高级视觉任务中与人类相匹配。最近，已经提出了视觉问题回答（QA）的新任务，以评估模型的深刻图像理解能力 ...