#低层视觉

Awesome-ICCV2023-Low-Level-Vision

该项目整理汇总了ICCV2023会议发表的低层视觉领域论文和相关代码实现。内容涵盖图像恢复、超分辨率、去噪、去模糊等多个研究方向,并进行了分类整理。项目提供论文链接和代码仓库地址,方便研究者快速查找所需资源。同时还收录了其他相关会议的低层视觉论文集合链接,为该领域研究提供全面的参考资料。

Awesome-CVPR2024-Low-Level-Vision

这个项目汇总了CVPR2024会议中与低层视觉任务相关的论文和代码，内容涵盖图像复原、超分辨率、去噪和去模糊等多个研究方向。项目提供了这些领域最新研究成果的概览，包括创新方法及其开源实现。通过持续更新，该资源库为计算机视觉领域的研究人员和开发者提供了及时、全面的学术参考。

Q-Bench

Q-Bench是一个评估多模态大语言模型低层视觉能力的基准测试。它通过感知、描述和评估三个领域，使用LLVisionQA和LLDescribe数据集测试模型性能。该项目采用开放式评估框架，支持研究者提交结果或模型。Q-Bench对比了开源和闭源模型的表现，并与人类专家水平进行对照，为深入理解和提升多模态AI的基础视觉处理能力提供了关键洞察。