跳至内容
每时AI

每时AI

  • 资讯
  • 国际
  • 分享
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 关于我们

视觉定位

视觉定位新范式!清华团队推出Migician,支持任意形式多图定位

上午8时 2025/02/22 作者 量子位

由单张图像拓展至多图像应用场景。
比如,在复杂的相册中自动识别出Luigi并在第二张图中找到他,或

分类 资讯 标签 Migician模型、 多张图像场景、 实际应用、 性能评估、 推理方式、 视觉定位 发表评论

27页综述,354篇参考文献!最详尽的视觉定位综述来了

下午4时 2025/01/31 作者 机器之心

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年,机器之心AIxiv专栏接收报道了2000

分类 学术、 资讯 标签 图神经网络、 多智能体系统、 机器人、 研究方向、 研究进展、 视觉定位 发表评论

354篇参考文献!史上最详尽综述:视觉定位任务十年发展系统性回顾

下午4时 2025/01/22 作者 PaperWeekly

本综述系统性回顾了视觉定位(Visual Grounding)任务过去十年的发展历程,涵盖多种设置如全监督、弱监督、半监督等,并分析了各种数据集的表现。

分类 大模型、 学术 标签 入门指南、 全监督、 弱监督、 技术进展、 经典数据集、 视觉定位 发表评论

27页超详尽综述!系统性回顾视觉定位任务十年发展

下午11时 2025/01/21 作者 极市干货

视觉定位任务十年发展系统性回顾,涵盖传统、基于VLP和MLLM的设置,并总结了全监督、无监督、弱监督、半监督、零样本及广义定位等新型设置。

分类 学术 标签 MLLM、 VLP、 全监督、 半监督、 检测器、 视觉定位 1 条评论

2025年 AGI AI AI技术 Anthropic ChatGPT Claude DeepSeek DeepSeek-R1 DeepSeek R1 GitHub GPT-4o LLM Manus Meta OpenAI Python Sam Altman 人工智能 人形机器人 具身智能 大型语言模型 大模型 大语言模型 字节跳动 开源 强化学习 微软 扩散模型 技术创新 智能体 木易 机器学习 深度学习 清华大学 生成式AI 用户体验 百度 腾讯 自然语言处理 英伟达 谷歌 阿里云 阿里巴巴 马斯克

近期文章

  • 提示工程101第十四课:处理歧义与提升清晰度
  • 未来属于AI SaaS,这8个开源工具必不可少!
  • 95%的人不知道什么是AGI,也不知道他们将很快失业
  • 再见Latex,基于Markdown的多功能排版系统Quarkdown
  • 中美史诗级大团结,在一款被玩家狂喷的游戏里实现了

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
2025 年 5 月
一 二 三 四 五 六 日
 1234
567891011
12131415161718
19202122232425
262728293031  
« 4 月    

归档

  • 2025 年 5 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月

AI新闻 | X平台 | APK反编译 | 京ICP备2024096144号 |
© 2025 每时AI • Built with GeneratePress
 下载我们的APP,AI秒送达!  立即下载
×