实体
DINOv3 ViT-L/16
DINOv3 ViT-L/16
PulseAugur coverage of DINOv3 ViT-L/16 — every cluster mentioning DINOv3 ViT-L/16 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
AI模型重建叶子化石缺失部分
研究人员开发了AmodalDINO，一种新颖的多头密集预测模型，用于叶子化石图像的非模态重建。该模型可以从单个RGB图像预测可见叶子、完整的非模态叶子、主叶脉和细叶脉，而无需上游实例分割器。通过微调DINOv3 ViT-L/16模型并添加辅助叶脉头，AmodalDINO学习叶子的结构形状先验，在合成和真实化石标本上实现了高精度。该模型还很高效，在量化为4位权重后可以在浏览器中离线运行，并包含估算表面积和可视化活体叶子的功能。
-
混合量子-经典网络提升遥感图像分割性能
研究人员开发了两种新的混合量子-经典神经网络架构，HQF-Net和HQ-UNet，用于遥感图像分割。HQF-Net集成了冻结的DINOv3 ViT-L/16骨干网络和U-Net结构，并融入了量子增强的跳跃连接以及带有混合专家模型的量子瓶颈。HQ-UNet设计更为紧凑，在经典U-Net的瓶颈处使用参数化量子电路，并采用非池化量子卷积模块。两种模型在基准数据集上的表现均优于经典的U-Net基线模型，表明混合方法在地球观测领域高效密集预测方面的潜力。