cs.CV（2024-01-20）

📊 共 9 篇论文 | 🔗 3 篇有代码

🎯 兴趣领域导航

支柱九：具身大模型 (Embodied Foundation Models) (3) 支柱二：RL算法与架构 (RL & Architecture) (3 🔗1) 支柱三：空间感知与语义 (Perception & Semantics) (2 🔗1) 支柱四：生成式动作 (Generative Motion) (1 🔗1)

🔬 支柱九：具身大模型 (Embodied Foundation Models) (3 篇)

#	题目	一句话要点	标签	🔗	⭐
1	A Novel Benchmark for Few-Shot Semantic Segmentation in the Era of Foundation Models	提出新基准以解决少样本语义分割问题	foundation model
2	Toward Robust Multimodal Learning using Multimodal Foundational Models	提出TRML框架以解决多模态数据缺失问题	multimodal
3	Prompting Large Vision-Language Models for Compositional Reasoning	提出生成方法以解决视觉语言模型的组合推理问题	multimodal

🔬 支柱二：RL算法与架构 (RL & Architecture) (3 篇)

#	题目	一句话要点	标签	🔗	⭐
4	Unifying Visual and Vision-Language Tracking via Contrastive Learning	提出UVLTrack以统一视觉与视觉语言跟踪问题	contrastive learning visual grounding	✅
5	DengueNet: Dengue Prediction using Spatiotemporal Satellite Imagery for Resource-Limited Countries	提出DengueNet以利用卫星影像预测登革热疫情	MAE spatiotemporal
6	Adaptive Global-Local Representation Learning and Selection for Cross-Domain Facial Expression Recognition	提出自适应全局-局部表示学习与选择框架以解决跨域人脸表情识别问题	representation learning

🔬 支柱三：空间感知与语义 (Perception & Semantics) (2 篇)

#	题目	一句话要点	标签	🔗	⭐
7	Pixel-Wise Recognition for Holistic Surgical Scene Understanding	提出GraSP数据集与TAPIS模型以解决外科手术场景理解问题	scene understanding
8	VONet: Unsupervised Video Object Learning With Parallel U-Net Attention and Object-wise Sequential VAE	提出VONet以解决无监督视频对象学习问题	optical flow	✅

🔬 支柱四：生成式动作 (Generative Motion) (1 篇)

#	题目	一句话要点	标签	🔗	⭐
9	MotionMix: Weakly-Supervised Diffusion for Controllable Motion Generation	提出MotionMix以解决高质量动作生成的资源依赖问题	text-to-motion motion generation human motion	✅

⬅️ 返回 cs.CV 首页 · 🏠 返回主页