Swin Bridge
PulseAugur coverage of Swin Bridge — every cluster mentioning Swin Bridge across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI 管道助力识别古代埃兰楔形文字符号
研究人员开发了 EpigraphNet，一个用于从退化碑文图像中识别埃兰楔形文字符号的新型管道。该系统利用零样本 SAM2 分割来创建干净的符号掩码，然后由经过微调的 Vision Transformer (ViT-B/16) 进行分类处理。EpigraphNet 的性能显著优于现有的 CNN 和 Transformer 基线模型，在 132 类基准测试中取得了 86.41% 的 top-1 准确率，并展示了对常见和罕见符号更均衡的识别能力。
-
新的HAFR-Net框架改进了超高分辨率遥感图像分割
研究人员开发了一个名为HAFR-Net的新框架，用于分割超高分辨率遥感图像。该网络自适应地组织和细化预训练编码器的层次表示，而不是用标准解码器替换它们。它结合了异质性引导阶段自适应融合（HG-SAF）和频率残差适配器（FRA）来提高特征利用率和准确性。HAFR-Net在多个基准数据集上取得了最先进的成果，优于UPerNet等现有方法。
-
新的AI方法提升压缩视频质量和评估 · 跟踪5个来源
研究人员推出了一种新颖的基于扩散的方法DiffCVE，用于提升严重压缩视频的感知质量。该方法整合了残差和运动矢量等编码先验来指导扩散去噪过程，并使用一种压缩退化语义提示机制来考虑压缩的严重程度。此外，还将一个编码先验引导的加权融合模块集成到VAE解码器中以改进特征集成。另外，还提出了一种用于压缩视频盲质量提升的新方法，该方法提取细粒度的多尺度退化表示，并采用顺序推理策略根据压缩级别自适应地调整处理，显著提高了性能并减少了推理时间。