研究人员开发出一种名为自压缩神经网络（SCNN）的技术，它可以在不损失精度的情况下大幅减小神经网络的大小。这项技术基于模型剪枝，但不同于传统的剪枝方式，SCNN可以自我压缩和扩张神经网络结构，以适应不同的应用...

Mamba作为一种强大的Transformer替代方案，因其能够在保持性能的同时使用更少的FLOPs而备受关注。然而，最新研究表明，对于某些应用来说，Mamba可能并非必需。该研究通过实验表明，一个经过精心调优的CNN基线在一系...

本项目引入了一种新的基于CNN的时空注意力（CSTA）方法，用于改进视频摘要。与传统的注意力机制不同，CSTA通过使用2D CNN来捕捉帧的视觉重要性，从而更好地理解视频中的关系和关键属性。这种方法不仅能够有效提取视...

本文全面介绍深度学习在计算机视觉中的关键领域--盲目运动去模糊技术的作用。从传统方法的基本概念和局限性到现代技术如CNN、GAN、RNN和Transformer的详细比较，本文进行了全面的梳理。本文还对计算机视觉领域的未来...

本研究提出了一种深度学习方法，利用四个预训练的卷积神经网络模型来识别视频中的深度伪造人脸，可实现高精度检测。深度伪造技术已成为一种严重的威胁，对政治、社会和经济稳定造成了巨大的影响。该研究提出的方法可...

本项目提出了“可动态高斯化”技术，这是一种将2D CNN和3D高斯点转换技术结合起来的新技术，可以从视频中创建更逼真、更详细的人物头像。这种技术不仅可以用于游戏、虚拟现实等领域，还可以在电影、电视和广告等领域中...