ECCV 2024论文开源项目全面汇总:前沿研究一览无遗

RayRay
ECCV 2024计算机视觉深度学习自动驾驶AIGCGithub开源项目

ECCV2024-Papers-with-Code

ECCV 2024论文开源项目全面汇总:前沿研究一览无遗

欧洲计算机视觉会议(ECCV)作为计算机视觉领域的顶级学术会议之一,每两年举办一次。ECCV 2024将于今年9月在苏黎世举行,目前录用结果已经公布。本文全面整理了ECCV 2024录用的开源论文及代码,涵盖了计算机视觉各大热门研究方向,为广大研究人员提供了最新最全的学术资源。

3D高斯散射(3D Gaussian Splatting)

3D高斯散射是近期兴起的一种新颖的3D场景表示和渲染方法,在ECCV 2024中有多篇相关论文被录用:

  1. MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images 这篇论文提出了一种从稀疏多视图图像高效重建3D高斯场景的方法。 项目主页 | 论文 | 代码

  2. CityGaussian: Real-time High-quality Large-Scale Scene Rendering with Gaussians 该工作实现了大规模城市场景的实时高质量渲染。 论文 | 代码

  3. FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting 这篇论文探索了基于高斯散射的少样本视图合成方法。 项目主页 | 论文 | 代码

Mamba / 状态空间模型(SSM)

Mamba是一种新兴的序列建模架构,在计算机视觉领域也开始有所应用:

  1. VideoMamba: State Space Model for Efficient Video Understanding 这篇论文将Mamba应用于视频理解任务。 论文 | 代码

  2. ZIGMA: A DiT-style Zigzag Mamba Diffusion Model 该工作提出了一种基于Mamba的图像生成扩散模型。 论文 | 项目主页

多模态大语言模型(MLLM)

多模态大语言模型是近期人工智能领域的研究热点,ECCV 2024也有多篇相关工作:

  1. SQ-LLaVA: Self-Questioning for Large Vision-Language Assistant 这篇论文提出了一种自问自答的视觉语言助手模型。 论文 | 代码

  2. ControlCap: Controllable Region-level Captioning 该工作实现了可控的区域级图像描述生成。 论文 | 代码

扩散模型(Diffusion Models)

扩散模型在图像生成领域持续发力,ECCV 2024中也有多项相关研究:

  1. ZIGMA: A DiT-style Zigzag Mamba Diffusion Model 这篇论文将Mamba架构引入扩散模型。 论文 | 项目主页

  2. Skews in the Phenomenon Space Hinder Generalization in Text-to-Image Generation 该工作探讨了文本到图像生成中的泛化问题。 论文 | 代码

  3. The Lottery Ticket Hypothesis in Denoising: Towards Semantic-Driven Initialization 这篇论文研究了扩散模型去噪过程中的彩票假说。 项目主页 | 论文 | 代码

Vision Transformer

Transformer在计算机视觉领域的应用持续深入:

GiT: Towards Generalist Vision Transformer through Universal Language Interface 这篇论文提出了一种通用语言接口的通用视觉Transformer模型。 论文 | 代码

目标检测(Object Detection)

目标检测作为计算机视觉的基础任务,在ECCV 2024中也有新的突破:

  1. Relation DETR: Exploring Explicit Position Relation Prior for Object Detection 这篇论文探索了显式位置关系先验在目标检测中的应用。 论文 | 代码 | 数据集

  2. Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector 该工作研究了跨域少样本目标检测问题。 项目主页 | 论文 | 代码

语义分割(Semantic Segmentation)

语义分割是计算机视觉的另一个重要任务,ECCV 2024也有相关创新:

Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation 这篇论文提出了一种基于上下文引导的空间特征重建方法,用于高效语义分割。 论文 | 代码

医学图像(Medical Image)

医学图像分析是计算机视觉在医疗领域的重要应用,ECCV 2024中有多项相关研究:

  1. Brain-ID: Learning Contrast-agnostic Anatomical Representations for Brain Imaging 这篇论文研究了脑成像的对比度无关解剖表征学习。 论文 | 代码

  2. FairDomain: Achieving Fairness in Cross-Domain Medical Image Segmentation and Classification 该工作探讨了跨域医学图像分割和分类中的公平性问题。 项目主页 | 论文 | 数据集 | 代码

  3. ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image 这篇论文提出了一种快速灵活的生物医学图像交互式分割方法。 项目主页 | 论文 | 代码

视频目标分割(Video Object Segmentation)

视频目标分割是视频理解的重要任务之一:

DVIS-DAQ: Improving Video Segmentation via Dynamic Anchor Queries 这篇论文提出了一种基于动态锚点查询的视频分割改进方法。 项目主页 | 论文 | 代码

自动驾驶(Autonomous Driving)

自动驾驶是计算机视觉的重要应用领域,ECCV 2024中有多项相关研究:

  1. Fully Sparse 3D Occupancy Prediction 这篇论文提出了一种全稀疏3D占据预测方法。 论文 | 代码

  2. milliFlow: Scene Flow Estimation on mmWave Radar Point Cloud for Human Motion Sensing 该工作研究了毫米波雷达点云上的场景流估计,用于人体运动感知。 论文 | 代码

  3. 4D Contrastive Superflows are Dense 3D Representation Learners 这篇论文提出了一种基于4D对比超流的密集3D表征学习方法。 论文 | 代码

3D目标检测(3D Object Detection)

3D目标检测在自动驾驶等领域有重要应用:

  1. 3D Small Object Detection with Dynamic Spatial Pruning 这篇论文提出了一种动态空间剪枝的3D小目标检测方法。 项目主页 | 论文 | 代码

  2. Ray Denoising: Depth-aware Hard Negative Sampling for Multi-view 3D Object Detection 该工作提出了一种深度感知的硬负样本采样方法,用于多视图3D目标检测。 论文 | 代码

图像编辑(Image Editing)

图像编辑是计算机视觉的重要应用之一:

BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion 这篇论文提出了一种即插即用的图像修复模型,基于分解的双分支扩散。 项目主页 | 论文 | 代码

Low-level Vision

低层视觉任务在计算机视觉中具有基础性作用:

  1. Restoring Images in Adverse Weather Conditions via Histogram Transformer 这篇论文提出了一种基于直方图Transformer的恶劣天气图像恢复方法。 论文 | 代码

  2. OneRestore: A Universal Restoration Framework for Composite Degradation 该工作提出了一种通用的复合退化图像恢复框架。 项目主页 | 论文 | 代码

图像生成(Image Generation)

图像生成是近年来计算机视觉和人工智能的热门研究方向:

  1. Object-Conditioned Energy-Based Attention Map Alignment in Text-to-Image Diffusion Models 这篇论文研究了文本到图像扩散模型中的对象条件能量基注意力图对齐。 论文 | 代码

  2. Every Pixel Has its Moments: Ultra-High-Resolution Unpaired Image-to-Image Translation via Dense Normalization 该工作提出了一种基于密集归一化的超高分辨率无配对图像到图像翻译方法。 项目主页 | 论文 | 代码

视频生成(Video Generation)

视频生成是图像生成的自然延伸,也是当前的研究热点:

VideoStudio: Generating Consistent-Content and Multi-Scene Videos 这篇论文提出了一种生成内容一致和多场景视频的方法。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多