计算机视觉 — 论文笔记

视频理解与多模态视觉语言模型

2021

NeurIPS-2021 VLMo：基于模态专家混合的统一视觉-语言预训练

NeurIPS 计算机视觉 2021-12-01 vision-language contrastive-learning transformer

NeurIPS-2021 视觉 Transformer 的有趣特性

NeurIPS 计算机视觉 2021-11-25 vision-language transformer

NeurIPS-2021 先对齐后融合：基于动量蒸馏的视觉-语言表示学习（ALBEF）

NeurIPS 计算机视觉 2021-11-10 vision-language

CVPR-2021 掩码自编码器是可扩展的视觉学习者（MAE）

CVPR 计算机视觉 2021-11-06 vision-language Transformer

arXiv-2021 ActionCLIP：视频动作识别新范式

arXiv 计算机视觉 2021-09-17 video action-recognition contrastive-learning

ICCV-2021 Swin Transformer：基于移位窗口的层次化视觉 Transformer

ICCV 计算机视觉 2021-08-17 vision-language transformer

arXiv-2021 CLIP 能为视觉-语言任务带来多大收益

arXiv 计算机视觉 2021-07-06 vision-language contrastive-learning

ICML-2021 Perceiver：基于迭代注意力的通用感知

ICML 计算机视觉 2021-06-23 vision-language

arXiv-2021 CLIP4Clip：CLIP 端到端视频片段检索的实证研究

arXiv 计算机视觉 2021-05-08 Video Contrastive Learning

ICCV-2021 自监督视觉 Transformer 训练的实证研究

ICCV 计算机视觉 2021-04-05 vision-language

ICML-2021 从自然语言监督中学习可迁移视觉模型（CLIP）

ICML 计算机视觉 2021-02-26 vision-language contrastive-learning

ICML-2021 ViLT：无卷积无区域监督的视觉-语言 Transformer

ICML 计算机视觉 2021-02-05 vision-language contrastive-learning transformer

GCPR-2021 AudioCLIP：将 CLIP 扩展至图像、文本与音频

GCPR 计算机视觉 2021-01-24 vision-language transformer contrastive-learning

ICLR-2021 一张图抵 16x16 个词：大规模图像识别的 Transformer（ViT）

ICLR 计算机视觉 2021-01-13 vision-language transformer

ICML-2021 时空注意力是视频理解所需的一切吗

ICML 计算机视觉 2021-01-09 video vision-language transformer

2022

MM-2022 语言能理解深度吗

MM 计算机视觉 2022-10-10 vision-language contrastive-learning

NeurIPS-2022 CoCa：对比字幕器即图像-文本基础模型

NeurIPS 计算机视觉 2022-08-27 vision-language contrastive-learning

SIGGRAPH-2022 CLIPasso：语义感知的目标素描

SIGGRAPH 计算机视觉 2022-07-22 contrastive-learning

CVPR-2022 GroupViT：文本监督下涌现的语义分割

CVPR 计算机视觉 2022-07-18 video vision-language

ECCV-2022 CDS：对比深度监督

ECCV 计算机视觉 2022-07-12 contrastive-learning

CVPR-2022 PointCLIP：用 CLIP 理解点云

CVPR 计算机视觉 2022-06-23 vision-language contrastive-learning

arXiv-2022 GLIPv2：统一定位与视觉-语言理解

arXiv 计算机视觉 2022-06-05 vision-language contrastive-learning object-detection

OpenAI-2022 基于 CLIP 潜在表示的层次化文本条件图像生成（DALL·E 2）

OpenAI 计算机视觉 2022-04-13 vision-language contrastive-learning

ICLR-2022 基于视觉-语言知识蒸馏的开放词汇目标检测

ICLR 计算机视觉 2022-01-29 vision-language contrastive-learning object-detection

ICLR-2022 Perceiver IO：结构化输入输出的通用架构

ICLR 计算机视觉 2022-01-29 vision-language

ICML-2022 BLIP：自举语言-图像预训练实现统一视觉-语言理解与生成

ICML 计算机视觉 2022-01-24 vision-language transformer contrastive-learning

CVPR-2022 定位式语言-图像预训练（GLIP）

CVPR 计算机视觉 2022-01-17 LLM NLP vision-language

ICLR-2022 语言驱动的语义分割

ICLR 计算机视觉 2022-01-10 LLM NLP vision-language

← 浏览全部笔记