计算机视觉

会议简介随着科技的飞速发展，人工智能已经成为了推动社会进步的重要力量。在这个时代，我们有幸见证并参与到分布式人工智能（Distributed Artificial Intelligence， DAI）的创新与应用中。分布式人工智能是人工智能领域的重要分支，这几年引起了越来越多的关注。基于大型语言模型（LLM）的智能体（Agent）异军突起，通过结合大模型的强大语言理解和生成能力，展现出了在自然语言…

商汤绝影，率先完成了智能驾驭的四大手艺基座布局。

遮拦是计算机视觉很基础但依旧未解决的问题之一，因为遮拦意味着视觉信息的缺失，而机器视觉系统却依靠着视觉信息进行感知和理解，并且在现实世界中，物体之间的相互遮拦无处不在。牛津大学 VGG 实验室 Andrew Zisserman 团队最新事情系统性解决了恣意物体的遮拦补全问题，并且为这一问题提出了一个新的更加精确的评价数据集。该事情受到了 MPI 大佬 Michael Black、CVPR 官方账号…

图象立室是计算机视觉的一项基础义务，其目标在于估计两张图象之间的像素对应关系。图象立室是众多视觉应用如三维重修、视觉定位和神经渲染 (neural rendering) 等的基础和前置步骤，其精确度和效率对于后续处理十分重要。传统算法（SIFT）在面临长基线或极端天气等复杂场景时，其立室的准确度和密度往往有限。为了解决这些问题，近年来，基于深度学习的立室模型逐渐流行。然而，由于缺乏大规模且多样化的…

能够灵验实现多模态交叉提醒追踪。宗旨追踪是计算机视觉的一项根蒂根基视觉任务，由于计算机视觉的快速发展，单模态 (RGB) 宗旨追踪近年来取得了重大进展。考虑到单一成像传感器的局限性，我们需要引入多模态图像 (RGB、红外等) 来弥补这一缺陷，以实现复杂环境下全天候宗旨追踪。然而，现有的多模态追踪任务也面临两个主要问题：由于多模态宗旨追踪的数据标注成本高，大多数现有数据集规模有限，不足以支持构建灵验…