


フランスのパリで開催されたコンピュータービジョンのトップカンファレンス「ICCV 2023」が閉幕しました。
今年の論文賞はまさに「神と神の戦い」です。
たとえば、最優秀論文賞を受賞した 2 つの論文には、ヴィンセント グラフ AI-ControlNet の分野を覆した研究が含まれています。
ControlNet はオープンソースになって以来、GitHub で 24,000 個のスターを獲得しています。拡散モデルに関するものであろうと、コンピュータ ビジョンの分野全体に関するものであろうと、この論文の賞は当然のことです
そして、最優秀論文賞の佳作は Gave に授与されます。もう 1 つの同様に有名な論文、Meta の "Split Everything" モデル SAM。
「Segment Everything」は、発売以来、FastSAM、LISA、SegGPT などの多くの後発モデルを含む、さまざまな画像セグメンテーション AI モデルの「ベンチマーク」となっており、そのすべてが有効性の参照ベンチマークとして使用しています。テスト中です。
論文のノミネートはどれも非常に強力ですが、この ICCV 2023 の競争はどれくらい熾烈ですか?
ICCV 2023 には合計 8,068 件の論文が投稿されましたが、採択されたのは約 4 分の 1、つまり 2,160 件の論文のみでした。
論文の 10% 近くが中国からのもので、大学以外にも、SenseTime や Joint Laboratories などの産業機関が 49 件の論文を ICCV 2023 に選出し、Megvii は 14 件の論文を選出しています。
ICCV 2023 賞を受賞した論文を見てみましょう
ControlNet が ICCV で最優秀論文を受賞しました
まず、今年の最優秀論文賞を見てみましょう(3 月
マー賞(マー賞) としても知られる ICCV 最優秀論文の 2 つの論文は、2 年ごとに選出され、最優秀論文として知られています。コンピュータ ビジョンの分野で最高の栄誉の 1 つ。
この賞は、コンピューター ビジョン分野の先駆者であり、計算神経科学の創始者であるデイビッド マーにちなんで名付けられました。最初の最優秀論文賞の受賞者は、スタンフォード大学の「Modeling Text to Image Diffusion」です。条件付き制御の追加》ControlNet というモデルを提案します。これは、事前トレーニングされた拡散モデルに追加の入力を追加するだけで済みます。その生成の詳細を制御できます。
ここでの入力には、スケッチ、エッジ画像、セマンティック セグメンテーション画像、人体のキー ポイントの特徴、ハフ変換検出直線、深度マップ、人骨など、さまざまな種類があります。いわゆる「 AI は手を描くことができます」、コア技術はこの記事から来ています。対照的に、元の拡散モデルは数十億の画像で事前トレーニングされているため、パラメーターは「ロック」されています。そして、この「トレーニング可能なコピー」は、条件付き制御を学習するために、特定のタスクの小さなデータセットでトレーニングするだけで済みます。 データ量が非常に少ない場合 (画像が 50,000 枚以下)、トレーニング後にモデルによって生成される条件付き制御は非常に優れています。 1×1 畳み込み層によって接続され、「ロックされたモデル」と「トレーニング可能なコピー」は「0 畳み込み層」と呼ばれる構造を形成します。この 0 畳み込み層の重みとバイアスは 0 に初期化されるため、トレーニング プロセス中に拡散モデルの微調整の速度に近い非常に高速な速度を得ることができ、個人用デバイスでもトレーニングすることができます
論文アドレス: https://arxiv.org/abs/2302.05543
2 番目の論文「トロント大学の「パッシブ超広帯域単一光子イメージング」。 この論文は選考委員会によって「このテーマに関して最も驚くべき論文」と呼ばれ、審査員の一人が「彼がそのようなことを試みようと考えるのはほとんど不可能だった」と述べたほどです。この論文の要約は次のとおりです:
この論文では、動的なシーンを極端な時間スケール (秒からピコ秒まで) で同時に画像化する方法について説明します。受動的(大量の光信号を積極的に送信することなく)であり、非常にまばらな光の状況で発生し、光源からのタイミング信号に依存しません。
単一光子カメラ用の既存のオプティカル フロー推定技術はこの範囲では機能しないため、この論文では、確率微積分のアイデアに基づいてピクセルの時変オプティカル フローを再構築するオプティカル フロー検出理論を開発します。光子検出タイムスタンプのストリーム内。
この理論に基づいて、この論文は主に次の 3 つのことを行っています。
(1) 低オプティカル フロー条件下では、パッシブ自走単一光子波長検出器カメラが達成可能な周波数帯域幅、スパニング特性を持っていることを示します。 DC から 31 GHz までのスペクトル全体;
(2) 統計的に有意なサポートを備えた周波数のタイムスタンプ データをスキャンするための新しいフーリエ ドメイン オプティカル フロー再構成アルゴリズムを導き出します;
( 3) アルゴリズムのノイズ モデルがたとえ非常に低いフォトン数または無視できないデッドタイムの場合。
著者らは、いくつかの前例のない機能を含む、この非同期イメージング手法の可能性を実験的に実証しました。
(1) 同期がない場合 (電球、プロジェクター、マルチパルス レーザーなど) 、異なる速度で動作する光源によって同時に照らされる画像シーン;
(2) パッシブ非視線ビデオ収集;
(3) 超広帯域ビデオを録画、30 Hz で再生可能日常の動きを示すだけでなく、10 億分の 1 秒で再生して光がどのように伝わるかを示すこともできます。
この論文の最初の著者である Mian Wei は、トロント大学の博士課程の学生です。彼の研究方向はコンピュテーショナル フォトグラフィーです。現在の研究関心は、コンピュータの改善にあります。アクティブイルミネーションイメージング技術に基づくビジョンアルゴリズム。
論文を表示するには、次のリンクをクリックしてください: https://openaccess.thecvf.com/content/ICCV2023/papers/Wei_Passive_Ultra-wideband_Single-Photon_Imaging_ICCV_2023_paper.pdf
# #「Segmentation Everything」が佳作を受賞 今回のカンファレンスでは、注目を集めたControNetに加え、Metaの「Split Everything」モデルもBest Paper Awardの佳作を受賞し、期待の高い論文となりました。トピック 論文アドレス: https://arxiv.org/abs/2304.02643
プロジェクトのホームページ: https://segment-anything.com/
(複数) オブジェクトのピクセル レベルの追跡を実行できます。同時に。
論文アドレス: https://arxiv.org/abs/2306.05422
プロジェクトのホームページ: https://omnimotion. github.io/
開会式では、PAMITC 委員会のメンバーから寄付された特別賞も発表され、委員会は 2 つのコンピュータ ビジョン分野の会議 (CVPR および WACV) に賞を寄付しました。内部:
ヘルムホルツ賞: 10 年前にコンピュータ ビジョン研究に大きな影響を与えた ICCV 論文- エバリンガム賞: コンピュータ ビジョン分野の進歩
- 優秀研究者: コンピュータ ビジョンの進歩に多大な貢献をした研究者
- ローゼンフェルド生涯功労賞: 長いキャリアにわたってコンピュータ ビジョンの分野に多大な貢献をした研究者
ヘルムホルツ賞を受賞した科学者は、Meta AI のメンバーである中国の科学者ヘン ワンと Google のコーデリア シュミットです。
彼らは、2013 年に発表された行動に関する記事に基づいています。特定された論文がこの賞を受賞しました。
当時、二人はフランス国立コンピューティング・オートメーション研究所(フランス語略称:INRIA)のリア研究室に所属しており、シュミットは当時の研究室のリーダーでした。
エヴァリンガム賞が授与されました 2 つのチームに授与されました
最初のグループの勝者は、Google の Samer Agarwal、Keir Mierle とそのチームです
2 人の受賞者は、ワシントン大学とワシントン大学を卒業しましたその成果は、コンピュータ ビジョンの分野で広く使用されているオープン ソースの C ライブラリ Ceres Solver
もう 1 つの受賞結果は、COCO データ セットです。これには、多数の画像と注釈が含まれ、豊富なコンテンツとタスクがあり、重要なデータです。コンピューター ビジョン モデルをテストするために設定されています。
このデータ セットは Microsoft によって提案されました。関連論文の筆頭著者は中国人科学者 Tsung-Yi Lin です。彼はコーネル大学で博士号を取得し卒業し、現在は NVIDIA Labs で研究者として働いています。
プロジェクトのホームページ: https://cocodataset.org/
優秀研究者の栄誉を受賞したのは、ドイツのマックス・プランク研究所のマイケル・ブラック教授とジョンズ・ホプキンス大学のラマ・チェラッパ教授の2名です。
MIT のテッド アデルソン教授が生涯功績賞を受賞しました
あなたの論文は ICCV 2023 に受理されましたか? まだですか?今年の賞の選考についてどう思いますか?
以上がICCV'23論文賞「Fighting of Gods」! Meta Divide Everything と ControlNet が共同で選ばれました、審査員を驚かせた記事がもう 1 つありましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:https://spj.scien

译者 | 李睿审校 | 孙淑娟近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

DVWA
Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

MinGW - Minimalist GNU for Windows
このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。

ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境
