cs.CV（2023-12-25）

📊 共 9 篇论文 | 🔗 4 篇有代码

🎯 兴趣领域导航

支柱九：具身大模型 (Embodied Foundation Models) (3 🔗2) 支柱三：空间感知与语义 (Perception & Semantics) (2) 支柱二：RL算法与架构 (RL & Architecture) (2 🔗1) 支柱六：视频提取与匹配 (Video Extraction) (2 🔗1)

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

#	题目	一句话要点	标签	🔗	⭐
1	WebVLN: Vision-and-Language Navigation on Websites	提出WebVLN任务与数据集，解决网页环境下的视觉语言导航问题。	VLN	✅
2	UniRef++: Segment Every Reference Object in Spatial and Temporal Spaces	UniRef++：统一框架解决基于参考的图像与视频对象分割任务	foundation model	✅
3	Partial Fine-Tuning: A Successor to Full Fine-Tuning for Vision Transformers	提出Partial Fine-Tuning，提升Vision Transformer微调效率与性能	foundation model

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

#	题目	一句话要点	标签	🔗	⭐
4	Open-Vocabulary Video Relation Extraction	提出开放词汇视频关系抽取任务(OVRE)，以提升视频动作理解的细粒度。	open-vocabulary open vocabulary
5	3DGR-CT: Sparse-View CT Reconstruction with a 3D Gaussian Representation	提出基于3D高斯表示的3DGR-CT方法，用于解决稀疏视角CT重建中的噪声和伪影问题。	3D gaussian splatting gaussian splatting splatting

🔬 支柱二：RL算法与架构 (RL & Architecture) (2 篇)

#	题目	一句话要点	标签	🔗	⭐
6	A Target Detection Algorithm in Traffic Scenes Based on Deep Reinforcement Learning	提出基于深度强化学习的交通场景目标检测算法，提升检测精度。	reinforcement learning deep reinforcement learning
7	DI-V2X: Learning Domain-Invariant Representation for Vehicle-Infrastructure Collaborative 3D Object Detection	提出DI-V2X，通过领域不变表示学习解决V2X协同3D目标检测中的领域差异问题	distillation scene understanding	✅

🔬 支柱六：视频提取与匹配 (Video Extraction) (2 篇)

#	题目	一句话要点	标签	🔗	⭐
8	Get a Grip: Reconstructing Hand-Object Stable Grasps in Egocentric Videos	提出HO-SGR任务，重建第一人称视频中手-物稳定抓取帧，并构建EPIC-Grasps数据集。	egocentric
9	Adaptive FSS: A Novel Few-Shot Segmentation Framework via Prototype Enhancement	提出Adaptive FSS，通过原型增强实现高效的小样本分割模型自适应。	feature matching	✅

⬅️ 返回 cs.CV 首页 · 🏠 返回主页