ConvNeXt-T
PulseAugur coverage of ConvNeXt-T — every cluster mentioning ConvNeXt-T across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的MS2CAST框架通过交叉注意力和Vision Mamba增强视频异常检测
研究人员开发了MS2CAST，一个用于检测视频片段中异常的新框架。该系统利用多尺度交叉注意力编码器，该编码器结合了来自视觉Transformer (MViTv2-S) 和CNN (ConvNeXt-T) 的特征，以更好地捕捉空间信息。为了模拟时间动态，MS2CAST集成了基于Swin Transformer的模块 (SwinLSTM) 或基于Vision Mamba的模块 (VMRNN)，避免了计算密集的光流计算。该框架在UCSD P…
-
新方法在人工智能检测中使用缺陷掩码进行空间监督
研究人员开发了一种新颖的工业检测缺陷定位方法，通过在模型训练期间将真实缺陷掩码重新用作空间监督信号。该方法提高了分类网络精确定位缺陷区域的能力，即使在混合使用带掩码和不带掩码（包括扩散生成的）图像进行训练时也是如此。在 MVTec-AD 瓶子基准上的评估表明，对于 EfficientNetB0 和 ResNet50 等模型，定位精度有了显著提高，特别是与扩散模型增强结合使用时，这表明现有的评估数据可以作为实用的训练信号来改善模型注意力。
-
新方法增强LoRA在模型适应中的效率和稳定性
研究人员开发了两种新方法来提高参数高效模型适应中使用的低秩适应（LoRA）技术的效率和稳定性。归一化低秩适应（NoRA）在训练期间对降维矩阵进行归一化，以加速收敛并提高性能，而无需增加参数或计算开销。LoRA的激活边界匹配（ABM-LoRA）使用任务诱导的激活边界符号作为新适配器的目标，提高了LoRA对初始化的敏感度，并在各种基准测试中优于标准LoRA。