GitHub开源项目SAMWISE实现了计算机视觉领域的重大突破，通过扩展Segment Anything Model（SAM）的核心能力，使其具备开放词汇分割（open-vocabulary segmentation）和长视频精确语义追踪功能。该技术突破性地解决了...

YoloE 是一种创新的小型视觉模型，能够通过多种方式进行提示，以实现开放词汇检测。这意味着用户可以使用类别、图像和文本来决定模型应该检测的内容。特别值得一提的是，YoloE 的运行速度高达 300 帧每秒（fps），使...

近日，一种名为OVFormer的新方法在开放词汇视频实例分割（VIS）领域引起了广泛关注。该方法解决了该领域的关键问题，改善了嵌入对齐，并利用基于视频的训练来提高时间一致性。OVFormer的核心优势在于它的开放性词汇...

OV-DINO是一种新的开放词汇检测方法，它应对了整合多元化数据源和利用语言感知能力的挑战。这种方法的出现，解决了以往在处理大规模、复杂的数据集时，因为缺乏有效的语言感知工具和方法，而无法充分挖掘和利用数据...

研究人员升级了流行的YOLO对象检测器，推出了YOLO-World，首次引入了开放词汇检测的概念。这种方法结合了视觉语言建模和大规模数据集训练，使其能够快速且准确地识别大量对象，即使在未特定训练的场景中也能表现出色...

开放词汇注意力图谱（OVAM）是一种新兴的图像分割技术，它通过对类Stable Diffusion的文本到图像扩散模型进行改进，实现了对任意词汇生成注意力图的功能，打破了之前的限制。这意味着，通过OVAM，开发者和研究人员能...

目标检测是识别物体及其边界框的过程。通常只能为训练前选择的一组固定物体进行检测。本研究介绍了一种实时方法，可以进行开放词汇目标检测，这意味着它可以检测任何在运行时指定的物体组合的边界框。该方法使用了一...

研究人员开发了BriVIS，一种改进开放词汇视频实例分割（VIS）的方法。通过使用一种称为布朗运动桥的技术，BriVIS保持了物体运动在视频帧之间的上下文，从而实现了更准确的视频和文本对齐。