原文链接：计算机视觉Paper with code-2023.10.31

留存备用。

1.【基础网络架构】（NeurIPS2023）Fast Trainable Projection for Robust Fine-Tuning

  • 论文地址：https://arxiv.org//pdf/2310.19182

  • 开源代码：https://github.com/GT-RIPL/FTP

图片

2.【基础网络架构：Transformer】TransXNet: Learning Both Global and Local Dynamics with a Dual Dynamic  Token Mixer for Visual Recognition

  • 论文地址：https://arxiv.org//pdf/2310.19380

  • 开源代码（即将开源）：https://github.com/LMMMEng/TransXNet

图片

3.【图像分类】（NeurIPS2023）Analyzing Vision Transformers for Image Classification in Class  Embedding Space

  • 论文地址：https://arxiv.org//pdf/2310.18969

  • 开源代码：https://github.com/martinagvilas/vit-cls_emb

图片

4.【目标检测】RGB-X Object Detection via Scene-Specific Fusion Modules

  • 论文地址：https://arxiv.org//pdf/2310.19372

  • 开源代码：https://github.com/dsriaditya999/RGBXFusion

图片

5.【目标检测】A High-Resolution Dataset for Instance Detection with Multi-View  Instance Capture

  • 论文地址：https://arxiv.org//pdf/2310.19257

  • 开源代码：https://github.com/insdet/instance-detection

图片

6.【目标检测】PrObeD: Proactive Object Detection Wrapper

  • 论文地址：https://arxiv.org//pdf/2310.18788

  • 开源代码（即将开源）：https://github.com/vishal3477/Proactive-Object-Detection#proactive-object-detection

图片

7.【异常检测】Myriad: Large Multimodal Model by Applying Vision Experts for Industrial  Anomaly Detection

  • 论文地址：https://arxiv.org//pdf/2310.19070

  • 开源代码（即将开源）：https://github.com/tzjtatata/Myriad

图片

8.【异常检测】AnomalyCLIP: Object-agnostic Prompt Learning for Zero-shot Anomaly  Detection

  • 论文地址：https://arxiv.org//pdf/2310.18961

  • 开源代码（即将开源）：https://github.com/zqhang/AnomalyCLIP

图片

9.【语义分割】（NeurIPS2023）Revisiting Evaluation Metrics for Semantic Segmentation: Optimization  and Evaluation of Fine-grained Intersection over Union

  • 论文地址：https://arxiv.org//pdf/2310.19252

  • 开源代码：https://github.com/zifuwanggg/JDTLosses

图片

10.【语义分割】（NeurIPS2023）Switching Temporary Teachers for Semi-Supervised Semantic Segmentation

  • 论文地址：https://arxiv.org//pdf/2310.18640

  • 开源代码（即将开源）：https://github.com/naver-ai/dual-teacher

图片

11.【Open-Vocabulary Segmentation】（NeurIPS2023）Uncovering Prototypical Knowledge for Weakly Open-Vocabulary Semantic  Segmentation

  • 论文地址：https://arxiv.org//pdf/2310.19001

  • 开源代码（即将开源）：https://github.com/Ferenas/PGSeg

图片

12.【视频语义分割】（NeurIPS2023）Mask Propagation for Efficient Video Semantic Segmentation

  • 论文地址：https://arxiv.org//pdf/2310.18954

  • 开源代码（即将开源）：https://github.com/ziplab/MPVSS

图片

13.【超分辨率重建】（NeurIPS2023）Efficient Test-Time Adaptation for Super-Resolution with Second-Order  Degradation and Reconstruction

  • 论文地址：https://arxiv.org//pdf/2310.19011

  • 开源代码（即将开源）：https://github.com/DengZeshuai/SRTTA

图片

14.【超分辨率重建】EDiffSR: An Efficient Diffusion Probabilistic Model for Remote Sensing  Image Super-Resolution

  • 论文地址：https://arxiv.org//pdf/2310.19288

  • 开源代码（即将开源）：https://github.com/XY-boy/EDiffSR

图片

15.【领域泛化】（NeurIPS2023）SimMMDG: A Simple and Effective Framework for Multi-modal Domain  Generalization

  • 论文地址：https://arxiv.org//pdf/2310.19795

  • 开源代码（即将开源）：https://github.com/donghao51/SimMMDG

图片

16.【领域泛化】（WACV2024）Domain Generalisation via Risk Distribution Matching

  • 论文地址：https://arxiv.org//pdf/2310.18598

  • 开源代码：https://github.com/nktoan/risk-distribution-matching

图片

17.【多模态】Harvest Video Foundation Models via Efficient Post-Pretraining

  • 论文地址：https://arxiv.org//pdf/2310.19554

  • 开源代码：https://github.com/OpenGVLab/InternVideo

图片

18.【多模态】IterInv: Iterative Inversion for Pixel-Level T2I Models

  • 论文地址：https://arxiv.org//pdf/2310.19540

  • 开源代码（即将开源）：https://github.com/Tchuanm/IterInv

图片

19.【多模态】Generating Context-Aware Natural Answers for Questions in 3D Scenes

  • 论文地址：https://arxiv.org//pdf/2310.19516

  • 开源代码（即将开源）：https://github.com/MunzerDw/Gen3DQA

图片

20.【多模态】Text-to-3D with Classifier Score Distillation

  • 论文地址：https://arxiv.org//pdf/2310.19415

  • 工程主页：https://xinyu-andy.github.io/Classifier-Score-Distillation/

  • 代码即将开源

图片

21.【多模态】Dynamic Task and Weight Prioritization Curriculum Learning for  Multimodal Imagery

  • 论文地址：https://arxiv.org//pdf/2310.19109

  • 开源代码：https://github.com/fualsan/DATWEP

图片

22.【多模态】TESTA: Temporal-Spatial Token Aggregation for Long-form Video-Language  Understanding

  • 论文地址：https://arxiv.org//pdf/2310.19060

  • 开源代码：https://github.com/RenShuhuai-Andy/TESTA

图片

23.【多模态】Customizing 360-Degree Panoramas through Text-to-Image Diffusion Models

  • 论文地址：https://arxiv.org//pdf/2310.18840

  • 开源代码：https://github.com/littlewhitesea/StitchDiffusion

图片

24.【多模态】ROME: Evaluating Pre-trained Vision-Language Models on Reasoning beyond  Visual Common Sense

  • 论文地址：https://arxiv.org//pdf/2310.19301

  • 开源代码（即将开源）：https://github.com/K-Square-00/ROME

图片

25.【多模态】Apollo: Zero-shot MultiModal Reasoning with Multiple Experts

  • 论文地址：https://arxiv.org//pdf/2310.18369

  • 开源代码：https://github.com/danielabd/Apollo-Cap

图片

26.【自监督学习】Local-Global Self-Supervised Visual Representation Learning

  • 论文地址：https://arxiv.org//pdf/2310.18651

  • 开源代码：https://github.com/alijavidani/Local_Global_Representation_Learning

图片

27.【自监督学习】（NeurIPS2023）InstanT: Semi-supervised Learning with Instance-dependent Thresholds

  • 论文地址：https://arxiv.org//pdf/2310.18910

  • 开源代码（即将开源）：https://github.com/tmllab/2023_NeurIPS_InstanT

图片

28.【单目3D目标检测】ODM3D: Alleviating Foreground Sparsity for Enhanced Semi-Supervised  Monocular 3D Object Detection

  • 论文地址：https://arxiv.org//pdf/2310.18620

  • 开源代码（即将开源）：https://github.com/arcaninez/odm3d

图片

29.【自动驾驶：协同感知】Dynamic V2X Autonomous Perception from Road-to-Vehicle Vision

  • 论文地址：https://arxiv.org//pdf/2310.19113

  • 开源代码（即将开源）：https://github.com/tjy1423317192/AP2VP

图片

30.【自动驾驶：深度估计】（NeurIPS2023）Dynamo-Depth: Fixing Unsupervised Depth Estimation for Dynamical Scenes

  • 论文地址：https://arxiv.org//pdf/2310.18887

  • 工程主页：https://dynamo-depth.github.io/

  • 开源代码（即将开源）：https://github.com/YihongSun/Dynamo-Depth

图片

31.【图像编辑】（EMNLP2023）Learning to Follow Object-Centric Image Editing Instructions Faithfully

  • 论文地址：https://arxiv.org//pdf/2310.19145

  • 开源代码：https://github.com/tuhinjubcse/FaithfulEdits_EMNLP2023

图片

32.【视频生成】VideoCrafter1: Open Diffusion Models for High-Quality Video Generation

  • 论文地址：https://arxiv.org//pdf/2310.19512

  • 工程主页：https://ailab-cvc.github.io/videocrafter/

  • 开源代码：https://github.com/AILab-CVC/VideoCrafter

图片

33.【知识蒸馏】One-for-All: Bridge the Gap Between Heterogeneous Architectures in  Knowledge Distillation

  • 论文地址：https://arxiv.org//pdf/2310.19444

  • 开源代码：https://github.com/Hao840/OFAKD

图片

34.【Continual Learning】（NeurIPS2023）NPCL: Neural Processes for Uncertainty-Aware Continual Learning

  • 论文地址：https://arxiv.org//pdf/2310.19272

  • 开源代码（即将开源）：https://github.com/srvCodes/NPCL

图片

推荐阅读：

[1]读研期间，如何快速上手计算机视觉？

[2]23篇YOLO目标检测论文及代码分享

[3]Vision Transformer近三年18篇论文和代码分享

[4]人体姿态估计2023年最新论文和开源代码汇总（上）

[5]5分钟搞定深度学习中间特征可视化

[6]无监督视频实例分割新方法VideoCutLER！猛猛涨点！

[7]RevColV2：视觉预训练模型涨点！旷视提出将解耦表征应用于视觉预训练模型

[8]ICLR2023|解耦表征提升CNN和ViT性能！旷视等提出

[9]ICCV2023|涨点神器！目标检测蒸馏学习新方法，浙大、海康威视等提出

[10]EViT：借鉴鹰眼视觉结构，南开大学等提出ViT新骨干架构，在多个任务上涨点

[11]HSN：微调预训练ViT用于目标检测和分割的新方法，华南理工和阿里巴巴联合提出

[12]港科大提出适用于夜间场景语义分割的无监督域自适应新方法

[13]2023年9月-10月最新4篇带有开源代码的图像增强论文

[14]图像分类任务ViT与CNN谁更胜一筹？DeepMind用实验证明

[15]YOLO目标检测器中间特征可视化代码

# 计算机视觉 # 人工智能
Logo
腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

avatar 腾讯云开发者社区

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

avatar 腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

avatar 腾讯云开发者社区