新闻中心 
-
08-01给你的神经网络降低一个八度：八度卷积飞桨版本复现本文围绕八度卷积（OctConv）展开，解读其分离高低频特征图以降冗余的原理，并用PaddlePaddle复现OctConv及基于它的Oct-Mobilnetv...
-
02-19后Sora时代，CV从业者如何选择模型？卷积还是ViT，监督学习还是CLIP范式ImageNet准确率曾是评估模型性能的主要指标，但在当今计算视觉领域，这一指标逐渐显得不够完善。随着计算机视觉模型变得更加复杂，可用模型种类已显著增加，从Co...
-
01-31大模型也能切片，微软SliceGPT让LLAMA-2计算效率大增大型语言模型（LLM）通常拥有数十亿参数，经过数万亿token的数据训练。然而，这样的模型训练和部署成本都非常昂贵。为了降低计算需求，人们常常采用各种模型压缩技...
-
01-22尺度转换不变特征(SIFT)算法尺度不变特征变换(SIFT)算法是一种用于图像处理和计算机视觉领域的特征提取算法。该算法于1999年提出，旨在提高计算机视觉系统中的物体识别和匹配性能。SIFT...
-
01-18LeCun的评价：对ConvNet和Transformer进行Meta评测，哪一个更强？如何根据特定需求选择视觉模型？ConvNet/ViT、supervised/CLIP模型，在ImageNet之外的指标上如何相互比较？来自MABZUAI和Met...
-
12-15首次超过70% mAP！GeMap：局部高精地图SOTA再次刷新写在前面&笔者的个人理解实时根据传感器数据构建向量化高精地图对于预测和规划等下游任务至关重要，可以有效弥补离线高精地图实时性差的缺点。随着深度学习的发展...
