- 港大 & 腾讯 & 上交大 Plot2Code | 首个全面基准测试，深入评估多模态大型语言模型在视觉编码挑战中的表现！
- 突破内存瓶颈 KCache | 不需要任何训练，适用于各种主流结构，提升 LLM 大型语言模型推理效率！
- ReliableStudent | 减轻噪声伪标签的半监督3D目标检测方法，超越 KITTI 3D目标检测在点云水平！
- 北航提出 PTQ4SAM | 一种高效的分割任何模型训练后量化框架,实现了无损精度，速度提高了3.9 倍 !
- 斯坦福大学 & 亚马逊 AI 探索视觉-语言模型的前沿，当前方法与未来方向的调查！
- vivo 提出ASAM | 用增强策略和训练方法拓宽SAM的性能边界，同时不损失其性能，分割直接登顶 SOTA ！
- IceFormer | 加速 Transformer 模型即插即用，无需重新训练，更快的推理速度，CPU 上也能部署 LLM ！
- 从 ChatGPT 到 Sora | 生成式人工智能如何改变数字人文研究和服务 ?
- 清华 & 华为 开源U-DiTS | 利用 U-Net 架构提升扩散 Transformer 的性能和效率！
- MMA-UNet | 一种多模态非对称融合网络，提高红外与可见图像融合性能 ！
- AMMUNet | 多尺度注意力图融合在图像语义分割中的应用 !
- MambaMOS| 一种新的激光雷达点云运动目标精确分割技术，性能表示 SOTA ！
- 多所高校联合揭秘 TRAC 框架 | 探索 LVLMs 在细粒度视觉描述生成中的潜力！
- 新加坡 & 纽约大学 & 字节 提出 PLLaVA | 简单高效视频语言模型适应方法，超越GPT4V，突破资源限制 ！
- SLAM | 融合激光雷达与图像数据，通过3D高斯溅射实现室内精确定位！
- 三合一检测器 | 通过CLIP编码，实现多模态检测，解决AIGC 恶意伪造内容问题！
- CLIPex 用以增强如CLIP之类的大型视觉语言模型（VLMs）的可解释性 ！
- 清华 & 国家重点实验室 PeriodicLoRA | 通过周期性累积低秩更新打破参数高效微调的性能瓶颈！
- TrafficVLM | 车辆第一视角多模态视频标题生成模型 ，AI City Challenge 2024 表现优异！
- 视觉的跨界 Wiki-LLaVA | lmage + Question 的奇妙反应，生成多模态大型语言模型（MLLMs）！
腾讯云开发者
