COCO2017
PulseAugur coverage of COCO2017 — every cluster mentioning COCO2017 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
FrameForge模型利用视频先验进行统一图像生成
研究人员推出了一种新颖的统一条件图像生成方法FrameForge，该方法利用了视频基础模型的时间理解能力。与以往将条件固定在特定时间位置的方法不同，FrameForge根据生成任务动态调整时间关系。它采用混合专家模型（MoTE）来选择合适的虚拟时间间隔，并使用时间推理链（CoTR）来模拟通过潜在状态的转换。在DreamBench和COCO2017等基准测试上的实验表明，FrameForge在主题驱动生成和图像编辑等任务中非常有效。
-
FrameForge模型利用视频基础模型统一图像生成
研究人员推出了一种新颖的统一条件图像生成方法FrameForge，该方法利用了预训练的视频基础模型。该方法使用时间专家和中间推理路径动态地模拟视觉输入与目标图像之间的关系。FrameForge通过适应各种条件-目标关系，解决了在遵循文本指导的同时保留输入各种方面这一挑战。在DreamBench和COCO2017等基准测试上的实验证明了其在主题驱动生成和图像编辑等任务中的有效性。
-
新模型将输入分辨率与目标检测延迟联系起来
研究人员开发了一个新模型，用于理解输入分辨率如何影响实时目标检测系统的延迟。该模型将总延迟视为预处理、推理和后处理阶段的卷积，其参数取决于源图像分辨率。使用 YOLOv11n 在 NVIDIA Jetson Orin NX 上对 COCO2017 图像进行的实验表明，这种分辨率感知参数化可以改善分布近似，尤其是在使用 Normal 和 Gamma 等更灵活的模型时。