足球投资里面有哪些好的套路

  • <tr id='TtDAXq'><strong id='TtDAXq'></strong><small id='TtDAXq'></small><button id='TtDAXq'></button><li id='TtDAXq'><noscript id='TtDAXq'><big id='TtDAXq'></big><dt id='TtDAXq'></dt></noscript></li></tr><ol id='TtDAXq'><option id='TtDAXq'><table id='TtDAXq'><blockquote id='TtDAXq'><tbody id='TtDAXq'></tbody></blockquote></table></option></ol><u id='TtDAXq'></u><kbd id='TtDAXq'><kbd id='TtDAXq'></kbd></kbd>

    <code id='TtDAXq'><strong id='TtDAXq'></strong></code>

    <fieldset id='TtDAXq'></fieldset>
          <span id='TtDAXq'></span>

              <ins id='TtDAXq'></ins>
              <acronym id='TtDAXq'><em id='TtDAXq'></em><td id='TtDAXq'><div id='TtDAXq'></div></td></acronym><address id='TtDAXq'><big id='TtDAXq'><big id='TtDAXq'></big><legend id='TtDAXq'></legend></big></address>

              <i id='TtDAXq'><div id='TtDAXq'><ins id='TtDAXq'></ins></div></i>
              <i id='TtDAXq'></i>
            1. <dl id='TtDAXq'></dl>
              1. <blockquote id='TtDAXq'><q id='TtDAXq'><noscript id='TtDAXq'></noscript><dt id='TtDAXq'></dt></q></blockquote><noframes id='TtDAXq'><i id='TtDAXq'></i>
                多媒體可信感知與高效計算〗教育部重點實驗室多項研究成果入選CVPR 2024
                發布時間:2024-03-07 點擊:

                在近期公撲擊布的計算機視覺領域頂級國際會議IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR 2024)錄取結果中,多媒德拉克里格體可信感知與高效計算教育部重點實驗室有多項研究成果入選,簡要介紹如□下:

                1. DiffAgent: Fast and Accurate Text-to-Image API Selection with Large Language Model

                文本到圖像(T2I)生成模型在學術研究內外々有著廣泛的應用。例如,T2I創新平臺Civitai社區目前就擁有令人印象深刻的74,492個邪惡意圖頸飾不同模型。模型的多樣性導獵人墨水致在選擇最合適的模型和參數方面通常需要大量試驗,這是一個艱巨的挑戰過程。本文著眼於大型語言模型(LLM)的工具使用研究並引入了DiffAgent。DiffAgent是一種LLM代理,旨在通過API調用在幾秒◤鐘內篩選準確的選擇。DiffAgent利用了一個新穎的兩階段培訓框架SFTA,從而能夠根據人類偏好∮準確地將T2I API響應與用戶輸入對齊。為了培■訓和評估DiffAgent的能力,本文提出了一個全面的數據集DABench,其包括來自社區的產卵的暗水蚌殼廣泛T2I API。評估顯示,DiffAgent不僅擅長識別適當的T2I API,還強調了SFTA培訓框架的有效性。

                該論文第一作者是廈門大♀學公海贵宾会员55500a2022級碩士◣生趙力銳,通訊作者是其導師紀榮嶸教授,由2022級博士ㄨ生張玉鑫、邵文琪(上海人工智荒野喚魔者能實驗室)、張凱鵬(上海人工盧希恩的藥水智能實驗室)、楊悅(上海人工智能實驗室)、喬宇教授(上海人工智能實驗室)、羅平教授(上海人工智能實驗室)等共同︼合作完成。

                2. UniPTS: A Unified Framework for Proficient Post-Training Sparsity

                本文針對後訓練稀疏相較於傳統稀疏在高稀疏率下性能明顯下降的←問題,試圖通過分析對稀疏性能有重要影響的三個因素來改▓善這種差異。具〇體來說主要包括:(1)促進稀疏網絡從密集網絡學習有效知識的稀疏卐目標;(2) 一種減少再生長的進化搜索算法來確定最佳稀疏土靈絲質腰帶分布;(3) 基於前兩點的動態稀疏訓練過程,來全面優化稀疏結構,同時確保訓練穩定性』。本文提出→的UniPTS框架在廣泛的基準測試中被驗證為比現有的PTS方法優越∑ 得多。作為示例,當在ImageNet上將ResNet50的稀疏率剪枝到90%時,UniPTS框架將POT方自由行动法的性能從3.9%提高到68.6%。

                該論文第一作者是廈門卐大學公海贵宾会员55500a2023級碩士生謝晶晶,通訊作者是曹劉娟教∮授,由2022級博士生↓張玉鑫、林明寶(騰訊優圖)、2022級碩士生林誌航、紀榮嶸教授共ζ同合作完成。

                3. FocSAM: Delving Deeply into Focused Objects in Segmenting Anything

                該論文提出了一∏種稱為FocSAM的圖像交互分▲割模型,旨在解決分割一切模型(SAM)在處理復雜▼樣本時遇到的穩定性問題。FocSAM針對SAM的兩個方面改進其性能。首先,FocSAM引入了動態窗口多頭自註意力(Dwin-MSA)機制,允許模型在交互過程中通過少量的額外計算動態地將圖像特征聚焦於目標對象,提高了目標所在區域▽的特征顯著性;其次,FocSAM采用了『像素級動態ReLU(P-DyReLU)以更有效地將少量的交互信息與圖像特征深度星空專注融合〖,進一步提高模型性能。FocSAM在多個數據集上達到了專家級鐵匠當前最先進水平,並只需之前最佳方法約5.6%的CPU推理時間。

                該論文第一作者是公海贵宾会员检测中心信↑息學院2022級博士生黃有,通訊作者是曹劉娟教◥授,由林賢明助理教授、張聲傳∑助理教授、江冠南博士(寧德時代)、紀榮嶸♀教授共同合作完成。

                4. RepAn: Enhanced Annealing through Re-parameterization

                本文提出了一種利用重參數化增強的模擬退火算】法,通過引入結構重參數化(Re-parameterization)的結構變換特點,對退火算法進行低開銷改進。現有的▲退火算法存在一個問題,即忽視了不同周期之間的相關性,忽略了增量學習的潛∮力。本文認為這是由於固定的網絡結構阻止了模型閃電之懼在不同訓練階段識別不同特征。為此,本文提出了RepAn,將重參數化方法改進為可逆的結構變換,並將其與退火算法相結合以增強訓練。具體而言,網絡在訓練過程中通過重參▂數化壓縮、結構擴展恢復的循環,在每個退火輪次中ㄨ叠代這些過程,得到了更優秀的訓練性能。

                該論文第〗一作者是公海贵宾会员检测中心信息學♂院2021級碩士生費翔,通訊作者是曹劉娟教∮授,由鄭俠武√副教授、晁飛副教授等共同合作完成。

                5. PortraitBooth: A Versatile Portrait Model for Fast Identity-preserved Personalization

                本文提出一種基於擴散模型的個性化圖像生成方法(PortraitBooth),能夠在滿足高效率、魯棒身份保持的條々件下實現表情可編輯的文本到圖像生成。首先,利用人臉識別模型◥獲得的特征嵌入進行◤個性化圖像生成,降低了計算開銷並緩解了身份失真問題。其次,引入動態身份保護策略灰莓果確保生成圖像與原始圖像高度相似。最後,融入情感感知的交叉註意力控制用於生成圖像中的◥多樣化面部表情,並支持文本驅動的表情編輯。實驗結果⊙表明:無論是在單一還是多目標圖▆像生成場景,本文方法明顯☆優於現有方法,獲得更好的個性╳化圖像生成效果。

                該論文第一①作者是公海贵宾会员检测中心信息學死亡騎士實習者院2021級碩■士生彭旭,通訊作者是其導師金泰松副教授,由羅棟豪(騰訊優圖)、2021級碩士生林威、汪鋮傑(騰訊優圖)、紀榮嶸教授等共同合作完成。

                6. Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation

                指向性遙感圖像分割(RRSIS)是一◥項新興的多模態任務,旨在根』據給定的指向性描述在遙感圖像中準確分割出所描述的對象實例。傳統的指向性圖像分割方法ㄨ在處理遙感圖像時,往往因無大型白色煙火束法有效應對其復雜的空間尺度和變化多端的目標方向而導致分割結果不盡如人意。為應對這一挑︼戰,本文提出了一種旋轉多尺@ 度交互分割網絡(RMSIN),該網絡融合了層內跨尺度交互模塊(IIM)、層間跨尺□ 度交互模塊(CIM)以及自適應旋轉卷積模塊(ARC)。其中,IIM和CIM能夠有效整合不同尺度的細∏粒度信息,而ARC專門用於處理遙感圖像中廣泛存在的不同旋轉方向的♂目標。本文還構建了一個新的數據集,該數據集包含了17,402個圖像-描述-掩碼三元組,覆蓋了廣泛的多尺度和旋√轉場景,為RRSIS任務建立了嚴格的評估基準,並有望顯著推動指向性遙▽感圖像分割領域的發※展。

                該論文共同第一◎作者為公海贵宾会员检测中心人工智◢能研究院2022級碩士生劉思寒、公海贵宾会员55500a2023級博士生馬祎煒、人工智能研究虛幻魅靈院2022級碩士生張曉慶,通訊作者是博︻士後研究員紀家沂,由2021級碩士生王昊為、孫曉¤帥教授和紀榮嶸教授等共同合作完成。

                7. Aligning and Prompting Everything All at Once for Universal Visual Perception

                本文提出了一個視壁炉谷覺感知基礎模型-APE,可以一次性對圖∑像中的所有前背景區域、物體和部件進行高效圖文對齊(Visual-Language Alignment)訓練@和查詢提示(Query Prompting)推理,並輸出目標檢測、圖像分割和視覺定位的結果。本文從三個方面構建重要能力:(1)任務泛化:APE將常見和長ξ尾詞匯的目標檢測、各種粒度的圖像殘忍鬥士裝飾手套分割和視覺定位統一到一個▲實例級檢測Transformer框架中。(2)數據多樣性:APE同々時在廣泛的數據源上進行視覺和文本對齊(Aligning),包括長尾類別、聯邦標註、任何分割以及混合詞匯和句子描述的概念。(3)有效的描述提示(Prompting):APE一次性可以查詢數千個基於物體詞匯和句子描述的文本提示,並利用句子級提示嵌入實現有效的▂門控跨模態守衛襯衣融合和對齊。APE一個模型一套◥參數在160個↓測試數據集上取得當前SOTA或極具競爭力的結果。

                該論文第一作者是公海贵宾会员检测中心信↑息學院2017級博士畢業生沈雲航(騰訊優圖),通訊作者是林紹輝研究員(華東師範大學),由宇多田紀榮嶸教授指導完成。

                8. Autoregressive Queries for Adaptive Tracking with Spatio-Temporal Transformers

                本文提出了一種簡單有效的挖掘時ΨΨ空信息的跟蹤々算法。現有的大多數高性能跟蹤算法依賴於許多手工制作的組件≡來學習時空信息,它們對於時空信息的探索還遠遠不夠。因此,本文黎明披肩引入簡單的自回歸query來有效地學習時空信息,提出了一個時空Transformer跟蹤器實現自適↘應跟蹤(命名為AQATrack)。首先,我們使用◥一個Encoder來學習目標的突出的空間特征。其次,我們設←計了一個時序decoder來挖掘和傳播連續幀中的時序信息。在時序decoder中,我們引入了一組可學習☉和自回歸的目標query,以滑動窗口的方式捕捉瞬時目標外觀變化。最後,我們設計了一〇個時空信息融合模塊(STM)用於空間和時間信息的聚合,在沒有任何超參數的情況下有效地結合靜態和瞬時目標外觀變化來指導魯棒「跟蹤。

                該論文第一作者是廣西師範大正義使者長袍學№2022級碩士◥生謝錦霞,由鐘必能教授(廣西師範大學)、紀榮嶸教授、張盛平教魂霜授(哈爾濱工業大學)、李先←賢教授(廣西師範大學)共同合作完成。

                9. Graco: Granularity-Controllable Interactive Segmentation

                本文介紹了一種新穎的交互式分割方法,稱為Granularity-Controllable Interactive Segmentation(GraCo),它通過引入額外的輸入參數來↓實現對預測粒度的精確控制,從而增強⌒了交互系統的定制化,並在解決模糊性的同時消除了冗余。現有的交互式分割(IS)流程分為兩類:單粒度輸出和多粒度輸出。後者旨在緩解前者中存在的空間模糊性。然而,多粒度輸ζ出流程的交互靈活性有限,且會產生冗余結果。盡管如此,註釋多粒度掩膜的高昂成本以及∩缺乏具有粒度註釋的可用數據集,使得模型難以獲得控』制輸出粒度所需的指導。為了解偵察奧卡茲島決這個問題,我們設計了一個任意粒度掩膜生成器,利用預訓練IS模型的語義屬性自動生成大量∞的掩膜-粒度對,而無需額外的手動註釋。基於這◢些對,我們提出了一種粒度可控的學習策略,有效地將粒度★可控性賦予IS模型。在復雜的對象和部分級別場景的★廣泛實驗中,我們的GraCo與以往的方法相比顯示出顯著優勢。這突顯了GraCo成為一個靈活的註釋工具的潛力,能夠適應多樣的分割場景。

                該論文第一作者是鵬城實驗室聯培博士生趙祎安,由陳傑教授(北京大學),鄭俠武副』教授,紀榮嶸教授共ζ同合作完成。

                10. LiSA:LiDAR Localization with Semantic Awareness

                激光雷達定位可估計全球地圖中激光雷達∮點雲的姿態。場景坐標回歸(SCR)在這項任務中展示了最先進的性能,其中場景被表示為神經網絡,網絡輸出點雲中每個點的世界坐標。針對SCR在定位過程中平※等對待所有點,忽略了→並非所有對象都有利於定位的問題,本文提出了LiSA,首次將語義感知融≡入SCR以提高定位魯棒性和準確性。為了避免推理過程ζ 中的額外計算或網絡參數,將分割模型中的知識蒸餾到原始SCR網絡中。LiSA在標準激光雷達定位基準上的性能優越,應用知識蒸餾不僅保持了高效率,而且實現了更高的定位精度。

                該論文共同第一作者是廈門大魯安歐克天怒學公海贵宾会员55500a22級碩∏士生楊博淳、22級博士生酈子俊和蔡誌鵬(Intel),通訊Ψ作者是王程教授,由李文、溫程璐教授、臧彧副教◥授、Matthias Müller(Intel)等共同合作完成。

                11. DiffLoc: Diffusion Model for Outdoor LiDAR Localization

                絕對黑暗引導位姿回歸(APR)以端到端的方式估計全局位姿,在基㊣ 於學習的激光雷達定位中取得較好性能。然而,其性能仍遠落後於基於3D-3D匹配的方↙法。本文以3D匹配方法中的場景坐標回歸為例進行深▆入分析,發現在APR中存在著缺少場景魯棒特征編碼和叠代去噪過程的問【題。為解決這些問題,本文提出了DiffLoc方法,通過融合基礎模型和擴散模型的思想,顯著提高了APR的定位精度。此外,得益於擴散框△架,DiffLoc實現了位姿不確定性估計,在城市和校園區場景下展現「出卓越的性能。

                該論文第一作者是公海贵宾会员检测中心信息藥劑師艾尼斯學院21級博高迪尔士生李文,通訊作者是王程教致命的無暇紫黃晶授,由楊煜陽、於尚書(南∴洋理工大學)、胡國勝(Oosto)、溫程璐教授,程明教授等〓共同合作完成。

                12. Global and Hierarchical Geometry Consistency Priors for Few-shot NeRFs in Indoor Scenes

                本文在稀疏視圖神經輻射場的訓練中引入了兩㊣ 種幾何約束,以解決360°外向的室內場景中視角變化過大造成的@ 新視圖合成質量低的問題。通過在訓練早期引入基於圖像匹配的全局幾何一致性▆先驗來預熱神經網絡,有效地避免了少樣本NeRFs在早期訓練陷入過擬合的情況。通過引入幾何單目深度估計的層次幾何一致性約束,在單視圖層面執行分組深度排序約束,在射線權重分布【層面執行掩碼正則化,進一步高階督軍毀滅者強化NeRFs對場景中不同ω物體位置關系的學習。在ScanNet和Replica數據◆集上實現了稀疏輸入時新視圖和深度圖渲染的SOTA性能。

                該論文第一作者是公海贵宾会员检测中心信息藥劑師艾尼斯學死亡騎士實習者院20級博士生孫嘯天,通訊作者是王程教授,由徐青山(南洋理工大學)、楊鑫傑、臧∞彧副教授等共同合作完成。

                13. Commonsense Prototype for Outdoor Unsupervised 3D Object Detection

                本文針對無監督三維目標檢測中偽標簽質量︻低、定位誤差↑大的問題,設計ω 了一個新的基於常識原型的目標檢測框架。首先,提出了完整性與形狀相似性無監督評分,通過篩選高質量偽標簽構建目標常識原型集合。其次,提出了基於原型約束的邊界框規範化(CBR),利用炽热之地原型集合中目標形狀先驗極大提卐高了偽標簽的質量。最後,提出了基於原型約束的◆自訓練(CST),利用原型集合中目標幾何先驗顯著提高了無監督目標檢√測的精度。該方法在Waymo Open Dataset,KITTI和PandaSet自動駕駛數據集均達到最好的無監督三維目標檢測精度。

                該論文第一作者是夏勒布隆符文使公海贵宾会员检测中心公海贵宾会员55500a21級博士生吳海,通訊作者是溫程※璐教授,由趙世佳、黃勛、Xin Li教授(Texas A & M University)、王程教授等共同※合作完成。

                14. HINTED: Hard Instance Enhanced Detector with Mixed-Density Feature Fusion for Sparsely-Supervised 3D Object Detection

                針對稀疏監督中未標註的困難實例難挖掘▃的問題,本文提出了一種新的利用混合密度特征融合的困難實例增︾強檢測器。首先,設計了一個自提升教師模型來生成更多潛在的偽標簽,提高了信息傳遞的有效性。然後,引入了一個混合密度學生模型,以在訓練階段增強對困難實例的感知。實驗⊙結果表明,與領先的稀疏監督方法相比,HINTED顯著提高了對卐困難實例的檢測性能,在檢測具有挑戰性的類別(如∞騎自行車的人)方面明顯優於完全監綴鱗火焰披風督方法。HINTED在具有挑戰性的類別上也顯著優於最先進的半監督方法。

                該論文第一作格里施纳者是公海贵宾会员检测中心公海贵宾会员55500a?22級博士生夏啟明,通訊作∑ 者是溫程璐教授,由葉偉、吳海、趙世佳、邢樂園、Xin Li教授(Texas A & M University)、王程教授等共同※合作完成。

                15. RELI11DA Comprehensive Multimodal Human Motion Dataset and Method

                針對復雜且快ㄨ速的全局人體動作捕捉問題,本文基於幾乎都被消化的魚激光雷達、IMU、RGB相機和事件相機構建了多模態人體運動數據集-RELI11D,包括10名采集者在7個不同的真實體育場景中進行的5項體育運動動作。本文還提出了一種全局人體姿態估計任務上的▓多模態Baseline-LEIR,設年長的泉爪山貓計了適用於人體姿態重建的交叉註意融合策略△△。實驗表明,LEIR在快速運動和戰擊斗篷日常運動方面表現出較好性能,且驗證多模態數據集特Ψ征可有效提升HPE性能。

                該論文第一作者是公海贵宾会员检测中心公海贵宾会员55500a22級博士生顏明和22級碩士生張妍,通訊作者是沈思淇助理教○授,由蔡樹強、範書琪、溫程璐教授、許嵐研〖究員(上海科技︽大學)、馬月昕研究員↓(上扎瑞恩海科技大學)、王程教授等共同血爪合作完成。

                16. Density-guided Translator Boosts Synthetic-to-Real Unsupervised Domain Adaptive Segmentation of 3D Point Clouds

                三維點雲無監督域自適應分割可有效減少繁重且昂貴的人工數據標註成本。本文設計了一個基於統計的密度指導轉換器來解決因不同傳感器之間采樣模式〓不匹配所引起的點密度不匹配問題。其通過為每個域生成與〗其它域相似的點雲【掃描,以在輸入端縮小域差異。並外域劫毀者在此基礎上,提出了DGT-ST雙階段點雲跨域分割框架。相較於當前最先進的方法薩拉苟莎的下場,DGT-ST在兩個公開的合成到真實(SynLiDAR->semanticKITTI 和 semanticPOSS)UDA分割數據集上,分別實¤現了9.4%和4.3%mIoU 的性○能提升。

                該論文第一作者是公海贵宾会员检测中心公海贵宾会员55500a20級博士生袁直◣敏,通訊作者是程明教授,由曾萬康、蘇燕飛、劉偉權、王程教授等共同合作完成。

                多媒體可信感知與高效計算教育部重點實驗室是人工智能、計算機應用技術、信號與信息處理、模式識別與智能系統等多學科交叉的產學研用一體↑平臺。 實驗室聚焦國家“十四五”規劃和2035年遠景√目標綱要中提出的“加強關鍵數字技術創新應用”和“加快人工智能安全技術創ζ新”的重大需求,圍繞“可信”、“高效”的感知計狂野激旋算目標開展研究,重點開展基礎理論與應用研究,探索多ㄨ媒體可信感知與高效計算系統的實現,致力於推進人工智能及其交叉學科領域的發※展,並滿足國家和地區重大需求。

                投稿:林穎

                "公海贵宾会检测中心,公海贵宾会员检测中心,公海贵宾会员55500a"jmfisher.com

                "公海贵宾会检测中心,公海贵宾会员检测中心,公海贵宾会员55500a"jmfisher.com