bounding boxes
PulseAugur coverage of bounding boxes — every cluster mentioning bounding boxes across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
RGB-红外融合方法在反无人机检测中的比较
本文研究了两种融合可见光（RGB）和红外（IR）数据以提高无人机（UAV）检测能力的方法。该研究比较了“早期融合”（在检测前将光谱合并为单个图像）与“晚期融合”（合并独立检测管道的输出）。两种方法在各种环境条件下进行了测试，包括不同的光照、背景和距离。研究结果表明，早期融合由于更早地整合了热数据，提供了更优越的原始性能，而晚期融合则为传感器未对准的场景提供了灵活的工作流程。
-
新的 P3-VLM 模型通过基于点的地面化来解决三维视觉语言任务
研究人员发现三维视觉语言模型（VLM）中存在一个显著问题，即常用的边界框（bounding box）作为空间提示会产生“语义泄露”，使模型能够在未完全处理视觉数据的情况下表现良好。为解决此问题，他们提出了一种基于点的地面化方法，并引入了 P$^3$-VLM，这是一种新颖的三通路 VLM，旨在处理单个三维点而非边界框。这种新方法在位置地面化字幕生成方面取得了最先进的准确性，并提高了整体的视觉空间推理能力。
-
2026年图像标注成本将因复杂性和类型而异
2026年图像标注的成本将取决于几个因素，包括任务的复杂性、数据量、质量保证流程、所需专业知识和周转时间。边界框、关键点、分割、立方体和光学字符识别（OCR）等特定标注类型将各有不同的定价基准。为经济高效的AI训练数据集进行规划需要仔细考虑这些变量。
-
MegaParts 使用令牌高效自回归建模将3D对象生成扩展到300个部件
研究人员开发了MegaParts，一个新颖的3D对象生成框架，显著扩展了部件感知建模。通过采用令牌高效的矢量量化部件令牌和具有长上下文训练的结构化自回归序列建模，MegaParts可以处理多达300个部件的对象。与现有的自回归和扩散模型相比，这种方法实现了更高的网格质量，为大规模3D生成任务提供了一个引人注目的替代方案。
-
MixDiffusion框架实现多条件文本到图像合成
研究人员推出了MixDiffusion，一个新颖的框架，旨在通过允许同时集成多个控制条件来增强文本到图像生成。与通常仅限于单个条件（如边界框或关键点）的现有方法不同，MixDiffusion通过组合预训练的单条件扩散模型，理论上可以容纳任意数量的条件，包括草图、深度图和参考图像。这种无需训练的方法易于部署和扩展，并通过理论支持的集成公式从各个单条件模型的预测噪声分布中得出其预测噪声分布。