Trung Thanh Nguyen
PulseAugur coverage of Trung Thanh Nguyen — every cluster mentioning Trung Thanh Nguyen across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新基准和方法推动医学视觉语言模型发展
研究人员开发了新的基准和蒸馏技术，以提高视觉语言模型（VLM）在医学领域的性能。PathAgentBench 专注于评估 VLM 直接从全切片病理图像中获取和整合证据的能力，揭示了当前模型在证据获取方面存在显著的性能差距。同时，Med-OPD 引入了一种面向证据的在线策略蒸馏方法，以增强医学 VLM 对视觉证据的依赖，而非语言先验。此外，一个用于 PET/CT 报告生成的新越南语多模态数据集旨在提高 VLM 在低资源语言和功能成像任务…
-
SelectAnyTree 模型实现可提示的 3D 森林 LiDAR 分割
研究人员开发了 SelectAnyTree，这是一种新颖的可提示实例分割模型，专为 3D 森林 LiDAR 点云设计。该模型通过允许用户只需点击几下即可描绘出单棵树木，从而解决了森林监测中标签稀缺的挑战。SelectAnyTree 包含一个点击查询提示编码器和一个由冠层高度模型 (CHM) 引导的首次提示，即使在复杂、大规模的森林场景中也能实现高效准确的树木分割。在不同森林区域的评估表明，与现有的可提示基线相比，它在准确性、效率和参数…
-
新的TraRA方法增强了城市监控视频中的文本识别
研究人员开发了TraRA，一种用于视频文本识别的新方法，旨在提高城市监控场景下的准确性。与之前独立分析帧的方法不同，TraRA在整个轨迹中聚合文本识别。该方法使用时间聚类来分组连贯的文本实例，并使用增强了低秩自适应（Low-Rank Adaptation）的视觉语言模型来融合视觉和语言信息。TraRA在多个基准测试中都表现出改进的性能，即使在运动模糊和遮挡等挑战性条件下也是如此。
-
ForestMamba使用稀疏Mamba进行3D森林点云分割
研究人员开发了ForestMamba，一种使用稀疏Mamba模型和几何引导查询来分割3D森林点云的新颖方法。该方法通过融入森林特有的结构先验，解决了现有方法在注意力机制中的二次复杂度和通用上下文建模等局限性。ForestMamba采用稀疏编码器进行垂直序列化，使用林冠高度模型进行查询初始化，并基于Mamba的解码器，与基于Transformer的技术相比，实现了卓越的分割精度、显著更快的推理时间和更低的GPU内存使用量。