物体

简介第八届HANDS将在ECCV24（9月30日下午，米兰）举办，包含研讨会和挑战赛。HANDS将为相关手部研究人员和从业者提供一个分享工作和讨论潜在合作的平台。过去7届HANDS也取得了极大的成功。本文档属于翻译，信息以官网为准。HANDS@ECCV24 主页：：研讨会专注于手部相关方向，将邀请手部相关领域的专家做前沿报告。特别的，我们诚邀相关长文投稿。手部挑战赛：挑战赛基于最新的手部大数据集A…

当前，多模态大模型 （MLLM）在多项视觉任意上展现出了强大的认知理解本领。然而大部分多模态大模型局限于单向的图象理解，难以将理解的内容映射回图象上。比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。定位本领的缺失直接限制了多模态大模型在图象编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式 Groma——通过地区性图象编…

来自 MIT CSAIL 和 IAIFI 的研讨者将准确的 3D 几何图形与来自 2D 根基模型的丰富语义结合起来，让机器人能够利用 2D 根基模型中丰富的视觉和言语先验，完成言语引导的操纵。

随着深度学习技术的快速发展，数据驱动的办法已成为计算机视觉领域的核心。在过去的十年里，随着 ImageNet 诞生之后，计算机视觉领域见证了 “从数据中学习” 的范式的兴盛。在 ImageNet 上进行预训练，然后转嫁到下游的视觉任务，都能显著提升模型性能，并且已经成为 2D 图像领域的标准化方式。

本文是 ICLR 2022入选论文《VAT-Mart: Learning Visual Action Trajectory Proposals for Manipulating 3D ARTiculated Objects》的解读。该论文由北京大学前沿计算研究中心董豪课题组与斯坦福大学、腾讯人工智能尝试室合作实现。文章提出了一种新型的物体功能可操纵性表示，设计了一个通过交互进行感知学习的框架以学习…

将弱监视物体定位看作图象与像素特色域间的域自顺应任务，北大、字节跳动提出新框架显著增强基于图象级标签的弱监视图象定位功能

随着主动驾驭技能在不同场景下的持续落地，方针检测作为其中的一项核心模块，对检测算法的精度和稳定性要求越来越高。近日，在国际机器人技能与主动化会议（ICRA 2021）举办的第四届nuScenes三维方针检测挑战赛中，来自baidu研究院的机器人与主动驾驭实验室(RAL)团队在三维物体检测任务的多项评价方针中荣获第一，并将关键方针nuScenes Detection Score (NDS)从上一届的…