ICCV 2023 bekannt gegeben: Beliebte Veröffentlichungen wie ControlNet und SAM wurden ausgezeichnet

Die International Conference on Computer Vision (ICCV) wurde diese Woche in Paris, Frankreich, eröffnet.

Als weltweit führende akademische Konferenz im Bereich Computer Vision findet die ICCV alle zwei Jahre statt.

Die Beliebtheit von ICCV lag schon immer auf Augenhöhe mit CVPR und erreichte immer wieder neue Höchstwerte

Bei der heutigen Eröffnungszeremonie gab ICCV offiziell die diesjährigen Papierdaten bekannt: Insgesamt wurden in diesem Jahr 8068 Einreichungen beim ICCV eingereicht, von denen 2160 angenommen wurden Die Akzeptanzrate liegt bei 26,8 %, was etwas höher ist als die Akzeptanzrate des vorherigen ICCV 2021 von 25,9 % beliebt

Der wichtigste Teil der heutigen Eröffnungsfeier ist zweifellos die Preisverleihung. Als nächstes werden wir nacheinander die Gewinner der besten Arbeit, der Nominierung für die beste Arbeit und der besten Studentenarbeit bekannt geben Die erste Studie wurde von Forschern der University of Toronto durchgeführt Wei, Sotiris Nousias, Rahul Gulve, David B. Lindell, Kiriakos N. Kutulakos

Umgeschriebener Inhalt: Die University of Toronto ist eine bekannte Institution

Zusammenfassung: Dieser Artikel befasst sich mit extremen Zeitskalen, dem Problem der gleichzeitigen Abbildung einer dynamischen Szene (Sekunden bis Pikosekunden) und zwar passiv, ohne viel Licht und ohne ein Zeitsignal von der Lichtquelle, die es aussendet. Da bestehende Flussschätzungstechniken für Einzelphotonenkameras in diesem Fall versagen, entwickeln wir eine Flusserkennungstheorie, die Erkenntnisse aus der stochastischen Rechnung zieht, um den zeitlich variierenden Fluss rekonstruierter Pixel in einem Strom von Photonenerkennungszeitstempeln zu ermöglichen.

Dieser Artikel nutzt diese Theorie, um (1) zu zeigen, dass passive freilaufende SPAD-Kameras unter Bedingungen mit geringem Fluss eine erreichbare Frequenzbandbreite haben, die den gesamten DC- bis 31-GHz-Bereich abdeckt, (2) um einen neuartigen Algorithmus zur Rekonstruktion des Fu-Leaf-Domänenflusses abzuleiten und (3) stellen sicher, dass das Rauschmodell des Algorithmus auch für sehr niedrige Photonenzahlen oder nicht vernachlässigbare Totzeiten gültig bleibt.

Beliebte Veröffentlichungen wie ControlNet und SAM wurden ausgezeichnet und die ICCV 2023 Paper Awards wurden bekannt gegeben. Dieser Artikel demonstriert experimentell das Potenzial dieses asynchronen Bildgebungsmechanismus: (1) um Szenen abzubilden, die gleichzeitig von Lichtquellen (Glühlampen, Projektoren, mehrfach gepulste Laser) beleuchtet werden, die mit deutlich unterschiedlichen Geschwindigkeiten arbeiten, ohne Synchronisierung, (2) Passives Non-Line-of -Sight-Videoerfassung; (3) Nehmen Sie Ultra-Breitbandvideos auf, die später mit 30 Hz abgespielt werden können, um alltägliche Bewegungen zu zeigen, aber auch eine Milliarde Mal langsamer, um die Ausbreitung des Lichts selbst zu zeigen

Der Inhalt, der es braucht neu geschrieben werden soll: Der zweite Artikel ist das, was wir als ControNet kennen Institution: Stanford University

Zusammenfassung: In diesem Artikel wird eine durchgängige neuronale Netzwerkarchitektur ControlNet vorgeschlagen, die das Diffusionsmodell (z. B. Stable Diffusion) durch Hinzufügen zusätzlicher Bedingungen steuern kann, um den Graphengenerierungseffekt zu verbessern und eine vollständige Generierung zu ermöglichen - Färben Sie Bilder aus Strichzeichnungen, generieren Sie Bilder mit derselben Tiefenstruktur und optimieren Sie die Handgenerierung durch Handschlüsselpunkte.

Die Kernidee von ControlNet besteht darin, der Textbeschreibung einige zusätzliche Bedingungen hinzuzufügen, um das Diffusionsmodell zu steuern (z. B. stabile Diffusion), wodurch die Pose, Tiefe, Bildstruktur und andere Informationen des generierten Bilds besser gesteuert werden können.

Umgeschrieben als: Wir können zusätzliche Bedingungen in Form von Bildern eingeben, damit das Modell Canny-Kantenerkennung, Tiefenerkennung, semantische Segmentierung, Hough-Transformationslinienerkennung, Gesamtverschachtelte Kantenerkennung (HED), Erkennung menschlicher Körperhaltung usw. durchführen kann. Operationen und behalten diese Informationen im resultierenden Bild bei. Mit diesem Modell können wir Strichzeichnungen oder Graffiti direkt in Vollfarbbilder umwandeln und Bilder mit der gleichen Tiefenstruktur erzeugen. Gleichzeitig können wir auch die Generierung von Charakterhänden durch Handschlüsselpunkte optimieren Weitere Informationen finden Sie im ausführlichen Einführungsbericht auf dieser Website:

Die Reduzierung der KI-Dimensionalität trifft menschliche Maler, vinzentinische Diagramme werden in ControlNet eingeführt und Tiefen- und Kanteninformationen sind vollständig wiederverwendbar

Nominierung für die beste Arbeit: SAM

Im April dieses Jahres Meta veröffentlichte einen Artikel mit dem Titel „Separate Everything (SAM)’s AI model, das Masken für Objekte in jedem Bild oder Video generieren kann.“ Diese Technologie schockierte Forscher auf dem Gebiet der Computer Vision und einige nannten sie sogar „Lebenslauf existiert nicht mehr“

Jetzt wurde dieser hochkarätige Artikel für den besten Artikel nominiert.

Papieradresse:

https://arxiv.org/abs/2304.02643

Umgeschriebener Inhalt: Institution: Meta AI

Umgeschriebener Inhalt: Für die Lösung des Segmentierungsproblems gibt es derzeit grob zwei Methoden. Die erste ist die interaktive Segmentierung, die zum Segmentieren jeder Objektklasse verwendet werden kann, erfordert jedoch, dass ein Mensch die Methode durch iteratives Verfeinern der Maske steuert. Die zweite ist die automatische Segmentierung, die zum Segmentieren vordefinierter spezifischer Objektkategorien (z. B. Katzen oder Stühle) verwendet werden kann, für das Training jedoch eine große Anzahl manuell annotierter Objekte erfordert (z. B. Tausende oder sogar Zehntausende Beispiele segmentierter Katzen). . Keine dieser beiden Methoden bietet eine universelle, vollautomatische Segmentierungsmethode

Das von Meta vorgeschlagene SAM fasst diese beiden Methoden gut zusammen. Es handelt sich um ein einzelnes Modell, das problemlos interaktive Segmentierung und automatische Segmentierung durchführen kann. Die aufforderungsfähige Benutzeroberfläche des Modells ermöglicht es Benutzern, es auf flexible Weise zu verwenden. Entwerfen Sie einfach die richtigen Eingabeaufforderungen für das Modell (Klick, Feldauswahl, Text usw.), um eine Vielzahl von Segmentierungsaufgaben auszuführen. Zusammenfassend lässt sich sagen, dass diese Funktionen SAM ausmachen kann sich an neue Aufgaben und Domänen anpassen. Diese Flexibilität ist einzigartig im Bereich der Bildsegmentierung.

Weitere Informationen finden Sie im Bericht dieser Website:

CV existiert nicht mehr? Meta veröffentlicht das KI-Modell „Split Everything“, CV könnte den GPT-3-Moment einläuten

Beste studentische Arbeit

Die Forschung wurde gemeinsam von Forschern der Cornell University, Google Research und der UC Berkeley durchgeführt, mit einem Autor Qianqian Wang, ein Doktorand von Cornell Tech. Sie schlugen gemeinsam OmniMotion vor, eine vollständige und global konsistente Bewegungsdarstellung, und schlugen eine neue Methode zur Testzeitoptimierung vor, um eine genaue und vollständige Bewegungsschätzung für jedes Pixel im Video durchzuführen.

Papieradresse:

https://arxiv.org/abs/2306.05422

Projekthomepage:

https://omnimotion.github.io/

• Im Bereich Computer Vision gibt es Es gibt zwei Arten von häufig verwendeten Methoden zur Bewegungsschätzung: Verfolgung spärlicher Merkmale und dichter optischer Fluss. Allerdings haben beide Methoden einige Nachteile. Sparse-Feature-Tracking kann nicht die Bewegung aller Pixel modellieren, während ein dichter optischer Fluss keine Bewegungstrajektorien über lange Zeiträume hinweg erfassen kann

OmniMotion ist eine neue, von der Forschung vorgeschlagene Technologie, die kanonische Quasi-3D-Volumina zur Charakterisierung von Videos verwendet. OmniMotion ist in der Lage, jedes Pixel durch eine Bijektion zwischen lokalem Raum und kanonischem Raum zu verfolgen. Diese Darstellungsmethode gewährleistet nicht nur globale Konsistenz und Bewegungsverfolgung auch bei verdeckten Objekten, sondern ist auch in der Lage, beliebige Kombinationen von Kamera- und Objektbewegungen zu modellieren. Experimente haben gezeigt, dass die OmniMotion-Methode hinsichtlich der Leistung deutlich besser ist als die bestehende SOTA-Methode. „Alles verfolgen“-Videoalgorithmus Hier kommen wir

Natürlich gibt es dieses Jahr neben diesen preisgekrönten Arbeiten im ICCV noch viele herausragende Arbeiten, die Ihre Aufmerksamkeit verdienen. Abschließend finden Sie hier eine erste Liste der 17 preisgekrönten Arbeiten.

Das obige ist der detaillierte Inhalt vonICCV 2023 bekannt gegeben: Beliebte Veröffentlichungen wie ControlNet und SAM wurden ausgezeichnet. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!