目标检测，语义分割，实例分割 近期SOTA

DEIM这篇文章给出了两个即插即用模块，能够帮助做DETR实验的炼丹师们提点。

首次揭示深度是跨模态融合的关键因子：统计+可视化分析证明，近处点云主导（>163点/物体）、远处图像主导（<1点/物体），融合策略必须随深度自适应调整。提出 DGF 全局深度感知融合：深度编码乘以点云 BEV 特征作为 Query，交叉注意力自适应调控图像信息权重。近处点云权重高、远处图像权重高，完美匹配物理规律。提出 DLF 局部深度感知增强：召回原始体素+图像的实例特征，基于深度动态加权融合，补偿 BEV 转换损失。深度信息在局部融合中作用更关键（去深度编码降 1.1 NDS）。

作者|小书童 编辑| 集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【语义分割】技术交流群后台回复【分割综述】获取语义分割、实例分割、全景分割、弱监督分割等超全学习资料！最近对实例分割的关注集中在基于查询的模型上。尽管这些模型是无非最大值抑制（NMS）和端到端的，但在高精度实时基准测试上的优势尚未得到很好的证明。在本文中展示了基于查询的模型...

点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达这篇文章收录于ECCV2020，由北京大学、商汤科技、香港中文大学提出的基于RGB-D图像的语义分割算法。充分考虑了R...

【计算机视觉 | SOTA模型】整理了197个经典SOTA模型，涵盖图像分类、目标检测等方向

SETR作为transformer入侵语义分割领域的一个战果，其通过使用transformer代替encoder，从而获取大感受野以充分建模全局上下文信息。这篇博客是SETR的通读与大意翻译。

OpenMMLab 为香港中文大学-商汤科技联合实验室MMLab开源的算法平台，不到两年时间，已经包含众多 SOTA 计算机视觉算法。OpenMMLab 在Github上不是一个单独...

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—>【Mamba和遥感】微信交流群添加微信：CVer5555，小助手会拉你进群！扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪，强烈推荐！内容总结（太长不看版）Mamba在大语言模型大放异彩，以其线性复杂度和媲美transform...

转自:新智元【导读】在最近放出的CVPR 2021论文中，微软的研究者提出了多重注意力机制统一目标检测头方法Dynamic Head。在Transformer骨干和额外数据加持下，将COC...

Bi-directional Cross-Modality Feature Propagation with Separation-and Aggregation Gate for RGB-D Semantic Segmentation_ECCV2020 这篇论文是eccv2020的。第一作者是北大信息科学技术学院的，主攻方向就是RGBD语义分割。第二个作者是商汤科技的。 摘要 motivation：大多数现有的工作只是假设深度测量是准确的，并与RGB像素很好地对齐，并将问题建模为跨模态特征融合，以获得更好

《3D Graph Neural Networks for RGBD Semantic Segmentation》论文笔记 一、摘要 随着深度传感器的发展，RGBD语义分割被应用于许多问题上，如：虚拟现实，机器人以及人机交互等等。与现有的2D语义分割相比，RGBD语义分割可以通过探索深度信息来利用现实世界的几何信息辅助分割。如下图所示，在常规的2D图像上，桌子会和微波炉在像素上称为近邻，但是在3D...

半监督学习SSL是一种利用少量有标签数据和大量无标签数据进行训练以提高模型性能的机器学习方法。在图像分类、目标检测等领域，SSL 已经被广泛应用。在目标检测领域，半监督目标检测SSOD能够有效利用大量无标注数据进行训练，具有重要的应用价值。SSOD 的基本模式是模式 [4][5][6][7]。该方法首先利用少量已标注数据对初始模型进行训练，同时使用教师模型对大量未标注数据进行推断，并将推断结果作为伪标签加入训练集。期望学生模型能够准确检测这些伪标签，并对增强后的输入样本做出一致的预测。

D-FINE超越YOLOv11和RT-DETRv3的最新模型D-FINE，基于RT-DETR基线代码进行优化。从图中可观察到，不论是从推理速度、模型参数量、模型计算量，均超过了主流的目标检测模型。

YOLOv8 融合众多当前 SOTA 技术于一体

SAM模型的出现推动了计算机视觉领域对于视觉基础模型的进一步研究，但仍需克服一些关键技术挑战。未来的工作可以提高SAM的推理速度和精度，特别是在处理大规模数据时，应集中在优化模型结构、推理算法和硬件加速等方面的性能提升。其次，SAM对大量标注数据的依赖成本高昂，限制了其在下游任务上的广泛应用。未来研究可以关注半监督或自监督学习方法，减轻数据标注负担，提高模型泛化能力。

2024年10月18号，中科大推出了 D-FINE，这是一款功能强大的实时物体检测器，通过重新定义 DETR 模型中的边界框回归任务实现了出色的定位精度。

语义分割论文 语义图像分割是计算机视觉中发展最快的领域之一，有着广泛的应用。在许多领域，如机器人和自动驾驶汽车，语义图像分割是至关重要的，因为它提供了必要的上下文，以采取行动，基于对场景的理解在像素级。 对于图像的理解有一下几个层次： 分类，即将图像中最具代表性的物体归为某一个类； 带有定位的分类，对分类任务的一个扩展，使用边界框将对象框起来在分类； 目标检测，对多个不同类型的对象进行分类和定位； 语义分割，是对图像中的每个像素进行分类和定位； 实例分割，是

超强的实时语义分割新网络：STDC，表现SOTA！性能优于BiSeNetV2、SFNet等网络，其中一版本性能高达97.0FPS/76.8％mIoU，代码即将开源！作者单位：美团1 简介B...

近日，美团视觉智能部发布了 YOLOv6 3.0 版本，再一次将目标检测的综合性能推向新高。YOLOv6-L6 检测精度和速度超越 YOLOv7-E6E，取得当前实时目标检测榜单 SOTA。本文主要介绍了 YOLOv6 3.0 版本中引入的技术创新和优化，希望能为从事相关工作的同学带来一些启发或帮助。 1. 概述 2. 关键技术介绍2.1 表征能力更强的...