RepViT
PulseAugur coverage of RepViT — every cluster mentioning RepViT across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
CFGPNet框架通过新颖的注意力机制增强多光谱目标检测
研究人员推出了一种新颖的多光谱目标检测框架CFGPNet。该网络旨在改善可见光和红外图像之间的跨模态交互，解决融合不稳定和计算成本高的问题。CFGPNet采用增强的GELAN骨干网络，并结合了RepViT风格的模块以实现高效特征表示，同时引入了交叉计算高效注意力模块来优化特征交互。注意力选择与聚合融合网络进一步处理这些特征，而一个辅助分支则有助于优化。在五个公开基准上的实验表明，CFGPNet在各种尺度和条件下都表现出强大的性能和效率。
-
新框架为边缘部署创建高效的病理模型
研究人员开发了一种名为 MuCoDi 的新预训练框架，用于创建更小、更高效的病理基础模型 (PFM)，适用于边缘部署。该方法使用对比蒸馏目标，将知识从多个大型 PFM 蒸馏到轻量级学生模型（如 MobileOne 和 RepViT）中。生成的 MuCoEdge 模型显著减小了模型尺寸和推理成本，在各种下游分类任务上取得了接近其大型对应模型的性能，并在 Raspberry Pi 5 等设备上展示了实际可用性。
-
TinySAM 2 提供高效视频分割，具有极度内存压缩
研究人员开发了 TinySAM 2，这是 Segment Anything Model 2 (SAM 2) 的一个更高效版本，用于视频分割和对象跟踪。TinySAM 2 采用内存质量管理机制和联合时空令牌压缩，显著降低了内存存储和计算成本。通过这些优化，该模型仅使用 7% 的内存令牌和 3% 的训练数据即可达到 SAM 2.1 性能的 90%，使其更适合在资源受限的设备上部署。