Backbone

1. Integrally Pre-Trained Transformer Pyramid Networks

单位：国科大, 华为, 鹏城实验室
Paper: https://arxiv.org/abs/2211.12735
Code: https://github.com/sunsmarterjie/iTPN

本文提出整体预训练的ViT金字塔网络(iTPN)：通过整体预训练主干和金字塔网络缩小上游预训练和微调的gap，表现SOTA！性能优于CAE、ConvMAE等网络，代码已开源！

2. Stitchable Neural Networks

单位：蒙纳士大学ZIP Lab
Homepage: https://snnet.github.io/
Paper: https://arxiv.org/abs/2302.06586
Code: https://github.com/ziplab/SN-Net

Stitchable 神经网络（SN-Net）：一种用于模型部署的新的可扩展和高效的框架，它可以快速地生成具有不同复杂性和性能权衡的大量网络，促进了现实世界应用的深度模型的大规模部署，代码即将开源！

3. Learning 3D Representations from 2D Pre-trained Models via Image-to-Point Masked Autoencoders

单位：上海AI Lab, 港中大MMLab, 北大
Paper: https://arxiv.org/abs/2212.06785
Code: https://github.com/ZrrSkywalker/I2P-MAE

I2P-MAE：Image-to-Point掩码自编码器，一种从2D预训练模型中获得卓越的3D表示方法，在3D点云分类上表现SOTA（刷新ModelNet40和ScanObjectNN新记录）！性能优于P2P、PointNeXt等网络，代码即将开源！

4. NoPe-NeRF: Optimising Neural Radiance Field with No Pose Prior

单位：牛津大学
Home: https://nope-nerf.active.vision/
Paper: https://arxiv.org/abs/2212.07388
Code: None

NoPe-NeRF：一个端到端可微模型，用于联合相机姿势估计和从图像序列中进行新颖的视图合成，在真实室内和室外场景上实验表明：此方法在新颖的视图渲染质量和姿态估计精度方面优于现有方法。

Diffusion Models(扩散模型)

5. Video Probabilistic Diffusion Models in Projected Latent Space

单位：KAIST, 谷歌
Homepage: https://sihyun.me/PVDM/
Paper: https://arxiv.org/abs/2302.07685
Code: https://github.com/sihyun-yu/PVDM

据称PVDM：是第一个用于视频合成的latent扩散模型，它学习低维隐空间中的视频分布，可以在有限资源下使用高分辨率视频进行有效训练，以使用单个模型合成任意长度的视频，代码刚刚开源！单位：KAIST, 谷歌

6. Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models

单位：KAIST, 洛斯阿拉莫斯国家实验室

Paper: https://arxiv.org/abs/2211.10655

Code: None

本文提出DiffusionMBIR：一种用于3D医学图像重建的扩散模型重建策略，实验证明：其能够实现稀疏视图CT、有限角度CT和压缩感知MRI的最先进重建。

视觉和语言(Vision-Language)

7. GIVL: Improving Geographical Inclusivity of Vision-Language Models with Pre-Training Methods

单位：UCLA, 亚马逊Alexa AI

Paper: https://arxiv.org/abs/2301.01893

Code: None

本文提出GIVL：一种地理包容性视觉和语言预训练模型，在地理多样化的V&L任务上实现了最先进的和更均衡的性能。

目标检测(Object Detection)

8. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

单位：YOLOv4 原班人马

Paper: https://arxiv.org/abs/2207.02696

Code: https://github.com/WongKinYiu/yolov7

超越YOLOv5、YOLOX、PPYOLOE、YOLOR等目标检测网络！

9. DETRs with Hybrid Matching

单位：北大, 中科大, 浙大, MSRA

Paper: https://arxiv.org/abs/2207.13080

Code: https://github.com/HDETR

本文提出一种非常简单且有效的混合匹配方案，以解决基于 DETR 的方法在多种视觉任务(2D/3D目标检测、姿态估计等)上的低训练效率，并提高准确性，如助力PETRv2、TransTrack和可变形DETR等网络性能提升，代码已开源！

10. Enhanced Training of Query-Based Object Detection via Selective Query Recollection

单位：CMU, Meta AI

Paper: https://arxiv.org/abs/2212.07593

Code: https://github.com/Fangyi-Chen/SQR

即插即用！本文提出选择性查询回忆(SQR)：一种基于查询的目标检测器训练新策略，可以很容易地插入到各种DETR变体中，显著提高它们的性能，代码已开源！

点击进入—> 【计算机视觉】微信技术交流群

最新CVPP 2023论文和代码下载

后台回复： CVPR2023， 即可下载CVPR 2023论文和代码开源的论文合集

后台回复： Transformer综述， 即可下载最新的3篇Transformer综述PDF

目标检测和Transformer交流群成立扫描下方二维码，或者添加微信：CVer333，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群 ▲扫码或加微信号: CVer333，进交流群 CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！ ▲扫码进群 ▲点击上方卡片，关注CVer公众号

整理不易，请点赞和在看
2023 年 2 月 28 日凌晨， CVPR 2023 顶会论文接收结果出炉！ CVPR 2023 收录的工作中 " 扩散模型、多模态、预训练、MAE " 相关工作的数量会显著增长。整理：AI算法与图像处理 CVPR 2023 论文和代码整理：https://github.com/DWCTOD/ CVPR 2023 -Papers-with-Code-Demo欢迎关注公众号 AI算法与图像处理，获取更多干货：大家好,最近正在优化每周分享的 CVPR 论文 , 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈大家好，目前给每天的论文汇总接入chatGPT帮忙总结，目前在... 近日， CVPR 2023 论文接收结果出炉。近年来， CVPR 的投稿数量持续增加，今年收到有效投稿 9155 篇，和 CVPR 2022 相比增加 12%，创历史新高。最终，大会收录论文 2360 篇，接收率为 25.78 %。本次，旷视研究院有 13 篇论文入选，涵盖3D 目标检测、多目标跟踪、模型压缩、知识蒸馏等多个领域。以下为入选论文简介：????01VoxelNeXt:Fully Sparse... 作者|小书童编辑| 集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群为了设计快速神经网络，许多工作都集中在减少浮点运算（FLOPs）的数量上。然而，作者观察到FLOPs的这种减少不一定会带来延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。为了实现更快的网络，作者重新回顾了FLOPs的运算符，并证明... CVPR 2023 顶会论文接收结果出炉啦！ CVPR 2023 主委会官方发布这次论文接收数据：有效投稿 9155 篇（比 CVPR 2022 增加12%），收录 2360 篇，接收率为25.78 %。我整理了 CVPR 2023 的论文 &代码，分享给大家~持续更新中…扫码添加我领取资料此外，还有AAAI 2023 的论文 &代码，分享给大家~收持续更新中…扫码添加我领取资料最后，我... 来自：圆圆的算法笔记进NLP群—>加入NLP交流群论文标题：LexLIP: Lexicon-Bottlenecked Language-Image Pre-Training for Large-Scale Image-Text Retrieval下载地址：https://arxiv.org/abs/2302.02908根据一张图片检索相关文本，或者根据一段文本检索相关图片，在现在的工业界中越... 80、半监督学习、弱监督学习/无监督学习/自监督学习。36、行为识别/动作识别/检测/分割/定位。46、场景重建/视图合成/新视角合成。74、迁移学习/domain/自适应。23、图像复原/图像增强/图像重建。26、图像去噪/去模糊/去雨去雾。32、人脸生成/合成/重建/编辑。35、图像&视频检索/视频理解。41、GAN/生成式/对抗式。68、小样本学习/零样本学习。40、文本检测/识别/理解。17、视频生成/视频合成。27、图像编辑/图像修复。31、人脸识别/检测。42、图像生成/图像合成。本文提出了一种新的预训练模型架构（iTPN ），该架构由多个金字塔形的Transformer层组成。每个层都包含多个子层，其中一些是普通的self-attention和feed-forward层，而另一些则是新的pyramid层。Pyramid层是一种新的层类型，它被设计为对输入进行多粒度的表示学习。此外，iTPN 还使用了一些其他的技巧，以提高模型的鲁棒性和泛化能力。