前有OpenAI的GPT-4o，后有谷歌的系列王炸，先进的多模态大模型接连炸场。其他从业者在震撼之余...

纯视觉的标注方案，主要是利用视觉加上一些GPS、IMU和轮速传感器的数据进行动态标注。当然面向量产场...

前言该模型结合了SigLIP视觉模型和Gemma语言模型，这两种模型都是开放组件，使得PaliGem...

写在前面今天我们探讨下深度学习技术如何改善在复杂环境中基于视觉的SLAM（同时定位与地图构建）性能。...

一、技术革新，DeDoDev2应运而生在图像处理和计算机视觉领域，关键点检测是许多应用的基础，如目标...

写在前面&笔者的个人理解近年来，自动驾驶因其在减轻驾驶员负担和提高驾驶安全方面的潜力...

近日，颜水成教授团队联合发布并开源了Vitron通用像素级视觉多模态大语言模型。项目主页&a...

作为点集合的点云有望通过3D重建、工业检测和机器人操作中，在获取和生成物体的三维（3D）表面信息方面...

整理|星璇出品|51CTO技术栈（微信号：blog51cto）美图公司最近发布了AI视觉创作工具WH...

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...

尽管视觉语言模型(VLM)在许多任务上取得了显著进展，包括图像描述、视觉问答、具身规划和动作识别等，...

最近在Arxiv上阅读到一篇关于纯视觉环视感知的最新研究，该研究基于PETR系列方法，并专注于解决远...