实体
visual foundation models
visual foundation models
PulseAugur coverage of visual foundation models — every cluster mentioning visual foundation models 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
-
新框架增强深度伪造检测的泛化能力
研究人员开发了一个名为环境不变子空间学习（EISL）的新框架，以提高深度伪造检测模型的泛化能力。该框架旨在将伪造相关特征与环境特定因素（如光照和风格）分离开来，这些因素可能产生虚假关联并阻碍检测准确性。通过使用环境干预模块模拟分布外变化，EISL引导模型发现真正不变的伪造表示。实验表明，EISL在各种数据集和设置下，针对未见过的伪造类型和环境变化均实现了更高的鲁棒性。
-
新的SLAM框架利用深度学习和语义改进数据关联
研究人员开发了一个新的同时定位与地图构建（SLAM）框架，解决了长期存在的数据关联挑战。这种新颖的方法利用深度学习和语义信息，例如对象类别标签和来自视觉基础模型的特征向量，来提高准确性和效率。该框架联合估计数据关联、机器人姿态、路标位置和路标语义，为路标数量估计提供了一种原则性的方法，并在合成和真实世界数据集上都展示了卓越的性能。