Spectral 3D Computer Vision -- A Review
Griffith University（格里菲斯大学）；CSIRO Agriculture and Food（澳大利亚联邦科学与工业研究组织农业与食品研究所）；The Australian National University（澳大利亚国立大学）
光谱3D计算机视觉检查对象的几何和光谱特性。它通过提供电磁频谱各个区域的窄带信息，提供对物体物理特性的更深入理解。将光谱信息映射到3D模型上揭示了光谱结构空间中的变化或增强了具有诸如反射率、色差和变化的散焦模糊等属性的3D表示。这种新兴的范式推进了传统的计算机视觉，并为3D结构、深度估计、运动分析等领域的研究开辟了新的途径。它已在智能农业、环境监测、建筑检查、地质勘探和数字文化遗产记录等领域得到应用。该调查提供了光谱3D计算机视觉的全面概述，包括方法的统一分类，关键应用领域以及未来的挑战和前景。
2023-02-16 cs.AI cs.CV
Comparisons of Reasoning Mechanisms for Computer Vision
University of Wisconsin-Milwaukee（威斯康星大学密尔沃基分校）
介绍了一种基于Dempster-Shafer证据理论的证据推理机制。它在现实世界中的图像分析的性能进行了比较与其他机制的基础上贝叶斯形式主义和一个简单的权重组合方法。
2013-03-27 cs.AI cs.CV
Deep Reinforcement Learning in Computer Vision: A Comprehensive Survey
深度强化学习增强了强化学习框架，并利用了深度神经网络的强大表示。最近的工作已经证明了深度强化学习在各个领域的显着成功，包括金融，医学，医疗保健，视频游戏，机器人和计算机视觉。在这项工作中，我们提供了一个详细的审查和国家的最先进的研究进展，深度强化学习在计算机视觉。我们从理解深度学习、强化学习和深度强化学习的理论开始。然后，我们提出了一个分类的深度强化学习方法，并讨论其优点和局限性。特别是，我们根据深度强化学习在计算机视觉中的应用将其分为七个主要类别，即（i）地标定位（ii）目标检测;（iii）目标跟踪;（iv）2D图像和3D图像体积数据的配准（v）图像分割;（vi）视频分析;以及（vii）其他应用。这些类别中的每一个都将通过强化学习技术、网络设计和性能进行进一步分析。此外，我们还对现有的公开数据集进行了全面的分析，并检查了源代码的可用性。最后，我们提出了一些开放的问题，并讨论了计算机视觉中深度强化学习的未来研究方向
2021-08-25 cs.AI cs.CV
ArchSIBench: Benchmarking the Architectural Spatial Intelligence of Vision-Language Models
School of Architecture, Tsinghua University（清华大学建筑学院）
本文提出ArchSIBench，一个基于建筑学、认知科学和心理学视角的建筑空间智能评估基准，通过17个细粒度子任务和3000个问题-答案对，评估多种VLMs在建筑空间感知、推理、导航、转换和配置方面的性能，发现大多数模型在空间转换和配置推理上仍与有建筑训练的人类评估者存在差距。
2026-05-20 cs.AI cs.CV
Challenges of Artificial Intelligence -- From Machine Learning and Computer Vision to Emotional Intelligence
人工智能（AI）已经成为我们日常对话和生活的一部分。它被认为是正在彻底改变世界的新电力。AI在工业和学术领域都有大量投资。然而，在当前的AI辩论中也有很多炒作。基于所谓的深度学习的人工智能在许多问题上取得了令人印象深刻的成果，但其局限性已经可见。自20世纪40年代以来，人工智能一直在研究中，由于过度期望和随之而来的相关失望，该行业经历了许多起伏。这本书的目的是给人一个现实的图片人工智能，它的历史，它的潜力和局限性。我们认为AI是人类的助手，而不是统治者。我们首先描述人工智能是什么以及它在几十年来是如何发展的。在基本面之后，我们解释了海量数据对于当前主流人工智能的重要性。涵盖了人工智能、方法和机器学习的最常见表示。此外，还介绍了其主要应用领域。计算机视觉一直是人工智能发展的核心。这本书对计算机视觉进行了一般性的介绍，并包括了我们自己研究的结果和应用。情绪是人类智能的核心，但在人工智能中几乎没有使用。我们介绍了情绪智力的基础知识和我们自己对这个话题的研究。我们讨论超越人类理解的超级智能，解释为什么在现有知识的基础上，这样的成就似乎是不可能的，以及如何改进人工智能。最后，总结了人工智能的现状和未来的发展方向。在附录中，我们从我们自己大学的内容角度来看人工智能教育的发展。
2022-01-05 cs.AI cs.CV cs.LG
What can Computer Vision learn from Ranganathan?
University of Trento（特伦托大学）
本文提出利用Ranganathan的分类原则解决计算机视觉中的语义间隙问题，并通过实验验证了vTelos方法在CV注释和准确性上的改进。
2026-01-30 cs.AI cs.CV
Are object detection assessment criteria ready for maritime computer vision?
Carnegie Mellon University（卡内基梅隆大学）
配备有可见光和红外摄像机的海上船只可以补充用于目标检测的其他传统传感器。然而，计算机视觉技术在海事领域的应用只是最近才受到关注。海洋环境有其独特的要求和挑战。检测质量的评估是计算机视觉的一个基本需求。然而，适合于通常的目标检测的常规评估度量在海上环境中是有缺陷的。因此，计算机视觉中的大量相关工作乍一看似乎不适用于海上环境。我们讨论的问题，定义评估指标适用于海上计算机视觉。我们认为新的底部边缘接近度量海上计算机视觉的评估指标。这些指标表明，现有的计算机视觉方法确实是有前途的海上计算机视觉，并可以在新兴的海上计算机视觉领域发挥基础性作用。
2019-11-17 cs.CV
Vision-Language Intelligence: Tasks, Representation Learning, and Large Models
The Hong Kong University of Science and Technology（香港科技大学）；Chinese Academy of Science（中国科学院）；International Digital Economy Academy (IDEA)（国际数字经济研究院）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Microsoft Research（微软研究院）；Tsinghua University（清华大学）
本文从时间的角度对视觉语言智能进行了全面的考察。这项调查的灵感来自计算机视觉和自然语言处理的显着进步，以及最近从单模态处理转向多模态理解的趋势。我们将这一领域的发展总结为三个时期，即特定于任务的方法，视觉语言预训练（VLP）方法和由大规模弱标记数据授权的更大模型。我们首先以一些常见的虚拟现实任务为例，介绍了特定于任务的方法的发展。然后，我们专注于VLP方法，全面回顾模型结构和训练方法的关键组成部分。在此之后，我们展示了最近的工作如何利用大规模的原始图像-文本数据来学习语言对齐的视觉表示，这些视觉表示在零或少样本学习任务中更好地泛化。最后，我们讨论了一些潜在的未来趋势，模态合作，统一表示，知识整合。我们相信，这篇综述将有助于人工智能和机器学习的研究人员和从业者，特别是那些对计算机视觉和自然语言处理感兴趣的人。
2022-03-03 cs.AI cs.CL cs.CV
Second Croatian Computer Vision Workshop (CCVW 2013)
University of Zagreb（萨格勒布大学）
第二届克罗地亚计算机视觉研讨会（CCVW 2013，http：//www.fer.unizg.hr/crv/ccvw2013）会议记录，2013年9月19日，克罗地亚萨格勒布。研讨会由萨格勒布大学计算机视觉卓越中心组织。
2013-11-03 cs.CV
Residual Quantity in Percentage of Factory Machines Using Computer Vision and Mathematical Methods
自从人工智能发展获得推动力以来，计算机视觉一直在蓬勃发展。使用深度学习技术一直是计算机科学家认为解决方案的最流行的方法。然而，深度学习技术往往表现出比手动处理更低的性能。使用深度学习并不总是解决与计算机视觉相关的问题。
2022-02-14 cs.CV
LAECIPS: Large Vision Model Assisted Adaptive Edge-Cloud Collaboration for IoT-based Embodied Intelligence System
School of Computer Science（计算机科学学院）；School of Information Management（信息管理学院）；Information Sciences and Technology Department（信息科学与技术系）
针对智能制造中机器人视觉检测对高精度和低延迟的需求，提出大视觉模型辅助的自适应边缘-云协作框架LAECIPS，通过解耦云边模型和困难输入挖掘策略，在真实系统上显著提升精度并降低延迟与通信开销。
2025-06-19 cs.AI cs.CV cs.DC
A Systematic Literature Review of Computer Vision Applications in Robotized Wire Harness Assembly
Chalmers University of Technology（查尔姆斯理工大学）；Politecnico di Milano（米兰理工大学）；Volvo Car Corporation（沃尔沃汽车公司）；Scania CV AB（斯堪尼亚汽车股份有限公司）
本文系统综述了计算机视觉在机器人化线束装配中的应用，涵盖方法、进展与挑战。
2024-05-21 cs.AI cs.CV cs.RO
A Vision for Multisensory Intelligence: Sensing, Science, and Synergy
MIT Media Lab and MIT EECS（MIT媒体实验室和MIT电子工程与计算机科学系）
本文提出未来十年多感官人工智能的研究愿景，强调通过感知、科学和协同三大主题推动多感官技术发展，提升人与AI的交互体验。
2026-01-13 cs.AI cs.CL cs.CV
Adapting Computer Vision Algorithms for Omnidirectional Video
JOANNEUM RESEARCH（约翰内姆研究所）
全方位（360°）视频已经非常流行，因为它提供了高度沉浸式的观看体验。对于计算机视觉算法，它提出了几个挑战，如通常采用的特殊（等矩形）投影和巨大的图像尺寸。在这项工作中，我们给出了一个高层次的概述，这些挑战和概述策略如何适应计算机视觉算法的全向视频的具体情况。
2019-07-22 cs.CV
Negative Results in Computer Vision: A Perspective
University of Central Florida（中佛罗里达大学）
负结果是指实验或模型的结果与预期不符，或者假设不成立。尽管在科学界经常被忽视，但负面结果是结果，它们具有价值。虽然这个主题在社会科学和生物科学等其他领域已经得到了广泛的讨论，但在计算机视觉界却很少有人关注。计算机视觉的独特性，特别是其实验方面，要求对这一问题进行特殊处理。在本文中，我将讨论是什么让负面结果变得重要，如何传播和激励它们，以及在这方面可以从认知视觉研究中吸取什么教训。此外，我将讨论的问题，如计算机视觉和人类视觉的相互作用，实验设计和统计假设检验，解释与预测建模，性能评估，模型比较，以及计算机视觉的研究文化。
2017-06-06 cs.CV
OmniFashion: Towards Generalist Fashion Intelligence via Multi-Task Vision-Language Learning
National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science, Wuhan University（国家多媒体软件工程技术研究中心、人工智能研究院、计算机科学学院、武汉大学）；Harbin Institute of Technology（哈尔滨工业大学）
OmniFashion通过多任务视觉-语言学习，构建百万级时尚数据集，实现统一的时尚对话范式，提升多任务推理和交互能力，推动通用时尚智能发展。
2026-03-03 cs.CV
Multiband NFC for High-Throughput Wireless Computer Vision Sensor Network
视觉传感器是计算机视觉的核心。在许多计算机视觉应用中，例如AR/VR，需要具有高吞吐量的非接触式近场通信（NFC）来将信息传输到算法。在这项工作中，我们提出了一种新的NFC系统，利用多个频段，以实现高吞吐量。
2017-05-28 cs.CV cs.NI
Using UAS Imagery and Computer Vision to Support Site-Specific Weed Control in Corn
North Dakota State University of Agriculture and Applied Science（北达科他州立大学农业与应用科学学院）
目前，玉米田中的杂草控制是通过除草剂的毯式施用来进行的，其不考虑杂草的空间分布信息，并且还使用大量的化学除草剂。为了减少化学品的使用量，我们使用无人机高分辨率图像和计算机视觉技术来进行玉米的特定地点杂草控制。
2022-06-02 cs.AI cs.CV eess.IV
CloudCV: Large Scale Distributed Computer Vision as a Cloud Service
Virginia Tech（弗吉尼亚理工大学）；Imperial College London（帝国理工学院）
我们正在目睹大量视觉数据的扩散。不幸的是，将现有的计算机视觉算法扩展到大型数据集会让研究人员反复解决相同的算法，物流和基础设施问题。我们的目标是使计算机视觉民主化;人们不应该成为计算机视觉、大数据和分布式计算专家，才能访问最先进的分布式计算机视觉算法。我们提出了CloudCV，一个全面的系统，通过Web接口和API提供对最先进的分布式计算机视觉算法的访问，作为云服务。
2017-02-13 cs.CV cs.DC
Better artificial intelligence does not mean better models of biology
Brown University（布朗大学）；Columbia University（哥伦比亚大学）
随着DNNs在视觉基准上达到超人类准确率，其与灵长类神经响应的对齐趋于停滞甚至恶化，表明视觉科学需开发基于生物视觉系统的算法而非优化AI基准。
2025-04-28 cs.AI cs.CV q-bio.NC
Teaching Computer Vision for Ecology
Caltech（加州理工学院）；MIT（麻省理工学院）；Wild Me；Yale University（耶鲁大学）
计算机视觉可以通过自动分析来自相机陷阱、无人机和卫星等传感器的原始图像来加速生态学研究。然而，计算机视觉是一门新兴的学科，生态学家很少学习。这项工作讨论了我们的经验，教一个不同的生态学家组原型和评估计算机视觉系统的背景下，密集的动手夏季研讨会。我们解释研讨会的结构，讨论共同的挑战，并提出最佳实践。本文档适用于跨学科教授计算机视觉的计算机科学家，但对于正在学习使用计算机视觉的生态学家或其他领域专家也可能有用。
2023-01-05 cs.CV cs.CY
Experimental Analysis of Trajectory Control Using Computer Vision and Artificial Intelligence for Autonomous Vehicles
Nile University（尼罗大学）
车道边界的感知对于与自主轨迹控制相关的任务至关重要。在本文中，车道线检测的几种方法进行了讨论与实验说明：霍夫变换，斑点分析，鸟瞰图。在从边界提取车道标记之后，下一种方法是应用基于感知的控制律来控制转向和速度控制。在下文中，通过图形统计在开环响应、PID控制和神经网络控制律之间进行比较分析。为了获得周围环境的感知，使用了连接到Raspberry Pi的无线流媒体摄像头。在对摄像头接收到的信号进行预处理后，输出被发送回Raspberry Pi，Raspberry Pi处理输入并通过Arduino通过串行通信将控制传达给电机。
2021-06-13 cs.AI cs.CV cs.RO
Tuning computer vision models with task rewards
Google Research（谷歌研究院）；University of Oxford（牛津大学）
模型预测与预期用途之间的不一致可能对计算机视觉模型的部署有害。当任务涉及复杂的结构化产出时，这一问题就更加严重，因为更难设计程序来解决这种不协调问题。在自然语言处理中，这通常使用将模型与任务奖励对齐的强化学习技术来解决。我们采用这种方法，并在多个计算机视觉任务，如目标检测，全景分割，彩色化和图像描述显示其令人惊讶的有效性。我们相信这种方法有可能广泛用于更好地将模型与各种计算机视觉任务相匹配。
2023-02-16 cs.CV
Democratisation of Usable Machine Learning in Computer Vision
Ulster University（阿尔斯特大学）；University of Nottingham（诺丁汉大学）；Swansea University（斯旺西大学）；University of Waterloo（滑铁卢大学）；Auromind（Auromind公司）；DarwinAI（达尔文AI公司）
许多行业现在正在大力投资数据科学和自动化，以取代手动任务和/或帮助决策，特别是在利用计算机视觉自动化许多监控，检查和监视任务的领域。这导致了精通统计思维、机器学习（ML）、计算机视觉和计算机编程的“数据科学家”的出现。然而，随着ML变得越来越容易被公众使用，ML的更多方面变得自动化，利用计算机视觉的应用程序越来越多地由非专家创建，受到监管监督的机会越来越少。这表明，总体上需要为这些可用ML工具的非专业用户提供更多的教育责任，以减轻潜在的不道德后果。在本文中，我们进行了SWOT分析，以研究在利用ML的重要领域（如计算机视觉）构建可用的ML工具以供大规模采用的优势，劣势，机会和威胁。本文提出了一套数据科学素养标准，用于教育和支持非专业用户负责开发和部署ML应用程序。
2019-02-18 cs.AI cs.CV cs.LG
Implications of Computer Vision Driven Assistive Technologies Towards Individuals with Visual Impairment
Waterloo Artificial Intelligence Institute（滑铁卢人工智能研究所）；University of Waterloo（滑铁卢大学）
基于计算机视觉的技术在社会中变得无处不在。计算机视觉增长的一个应用领域是辅助技术，特别是针对那些有视觉障碍的人。研究表明，计算机视觉模型能够实现提供场景字幕、检测物体和识别人脸等任务。虽然协助视力障碍者完成这些任务增加了他们的独立性和自主性，但对偏见、隐私和潜在有用性的担忧也随之产生。本文讨论了基于计算机视觉的辅助技术对视力障碍者的积极和消极影响，以及计算机视觉研究人员和开发人员的考虑因素，以减轻负面影响。
2019-05-20 cs.CV cs.CY
Computer Vision and Abnormal Patient Gait Assessment a Comparison of Machine Learning Models
University of Connecticut（康涅狄格大学）；Saint Johns’ Episcopal Hospital（圣约翰圣公会医院）；Plainview Medical Center（普莱恩维尤医疗中心）；Northwell Health（诺斯韦尔健康中心）
步态异常及其相关的跌倒和并发症具有较高的患者发病率、死亡率。计算机视觉检测、预测患者步态异常、评估跌倒风险，并作为医生的临床决策支持工具。本文对计算机视觉、机器学习模型如何进行异常患者步态评估进行了系统的综述。计算机视觉在步态分析中是有益的，它有助于捕获患者的姿势。一些文献建议使用不同的机器学习算法，例如SVM、ANN、K-Star、随机森林、KNN等，对提取的特征进行分类，以研究患者步态异常。
2020-03-22 cs.CV
Reconfiguring the Imaging Pipeline for Computer Vision
Cornell University（康奈尔大学）；Carnegie Mellon University（卡内基梅隆大学）
深度学习的进步引发了对嵌入式计算机视觉高效硬件的研究爆炸。然而，硬件视觉加速并没有解决捕获和处理这些算法所需的图像数据的成本问题。我们研究了图像信号处理（ISP）管道在计算机视觉中的作用，以确定减少计算和节省能源的机会。关键的见解是，成像管道应该被设计为可配置的：在传统摄影模式和低功耗视觉模式之间切换，该模式产生仅适用于计算机视觉的低质量图像数据。我们使用八个计算机视觉算法和可逆流水线仿真工具来研究成像系统对视觉性能的影响。对于基于CNN和经典的视觉算法，我们观察到只有两个ISP阶段，去马赛克和伽马压缩，对任务性能至关重要。我们提出了一种新的图像传感器设计，可以弥补跳过这些阶段。传感器设计具有可调分辨率和可调模数转换器（ADC）。我们提出的成像系统的视觉模式完全禁用ISP，并配置传感器产生二次采样，低精度的图像数据。这种视觉模式可以节省约75%的基线摄影模式的平均能量，同时对视觉任务精度的影响很小。
2017-08-01 cs.CV
The possibility of making \$138,000 from shredded banknote pieces using computer vision
Hong Kong Monetary Authority（香港金融管理局）
本文探讨利用计算机视觉技术将香港金管局纪念品中的碎钞片像拼图一样重建，从而理论上从售价100港元的纸镇中回收138,000港元。
2023-11-17 cs.CV
Cyborg Systems as Platforms for Computer-Vision Algorithm-Development for Astrobiology
从电影“黑客帝国”的寓言意象，我们激励和讨论我们的“半机械人天体生物学家”的研究计划。在这项研究计划中，我们正在使用可穿戴计算机和视频摄像机，以测试和训练一个计算机视觉系统是一个外地地质学家和外地天体生物学家。
2004-05-09 astro-ph cs.AI cs.CV
Computational Imaging and Artificial Intelligence: The Next Revolution of Mobile Vision
Tsinghua University（清华大学）；Bell Labs（贝尔实验室）；University of Arizona（亚利桑那大学）
本文针对传统移动视觉成像机制的不足，综述计算成像与AI结合的研究现状，提出以自动驾驶车辆为例的二者深度整合框架，并展望未来发展方向，为移动视觉新方向提供思路。
2021-09-18 cs.AI cs.CV eess.IV
VisionISP: Repurposing the Image Signal Processor for Computer Vision Applications
Intel Corporation, Santa Clara, CA, USA（美国加利福尼亚州圣克拉拉市英特尔公司）
传统的图像信号处理器（ISP）主要设计和优化，以提高人类感知的图像质量。然而，最佳感知图像质量并不总是转化为计算机视觉应用的最佳性能。我们提出了一组方法，我们统称为VisionISP，重新利用ISP的机器消费。VisionISP通过降低位深度和分辨率，同时保留相关信息，显著降低了数据传输需求。VisionISP中的块简单、内容感知且可训练。实验结果表明，VisionISP提高了后续计算机视觉系统的性能，该系统经过训练，可以在自动驾驶环境中检测物体。结果表明VisionISP在计算机视觉应用中的潜力和实用性。
2019-11-14 cs.CV eess.IV
Computer Stereo Vision for Autonomous Driving
UC San Diego（加州大学圣地亚哥分校）；ATG Robotics（ATG机器人公司）；University of Bristol（布里斯托尔大学）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
作为自动驾驶系统的重要组成部分，自动驾驶汽车感知随着并行计算架构的最新进展而有了很大的飞跃。随着微型但功能齐全的嵌入式超级计算机的使用，计算机立体视觉已被初步应用于自动驾驶汽车的深度感知。计算机立体视觉的两个关键方面是速度和精度。它们都是理想的但相互矛盾的特性，因为具有更好视差精度的算法通常具有更高的计算复杂性。因此，开发一种用于资源有限的硬件的计算机立体视觉算法的主要目的是提高速度和精度之间的权衡。在本章中，我们将介绍用于自动驾驶汽车系统的计算机立体视觉的硬件和软件方面。然后，我们讨论了四个自主汽车感知任务，包括1）视觉特征检测，描述和匹配，2）三维信息获取，3）目标检测/识别和4）语义图像分割。然后详细介绍了计算机立体视觉和多线程CPU和GPU架构上的并行计算的原理。
2020-12-17 cs.CV
Florence: A New Foundation Model for Computer Vision
Microsoft Cloud and AI（微软云与人工智能部门）；Microsoft Research Redmond（微软雷德蒙德研究院）
对我们多样化和开放世界的自动视觉理解要求计算机视觉模型能够很好地泛化，并对特定任务进行最小化的定制，类似于人类视觉。计算机视觉基础模型是在各种大规模数据集上训练的，可以适应广泛的下游任务，对于解决现实世界的计算机视觉应用至关重要。虽然现有的视觉基础模型，如CLIP，ALIGN和Wu Dao 2.0主要集中在将图像和文本表示映射到跨模态共享表示，但我们引入了一个新的计算机视觉基础模型Florence，将表示从粗（场景）扩展到细（对象），从静态（图像）扩展到动态（视频），从RGB扩展到多模态（标题，深度）。通过将通用的视觉语言表示从Web规模的图像-文本数据，我们的佛罗伦萨模型可以很容易地适应各种计算机视觉任务，如分类，检索，目标检测，VQA，图像字幕，视频检索和动作识别。此外，Florence在许多类型的迁移学习中表现出色：完全采样微调，线性探测，Few-Shot迁移和新颖图像和对象的zero-shot迁移。所有这些属性对于我们的视觉基础模型服务于通用视觉任务来说都是至关重要的。Florence在44个代表性基准中的大多数中取得了新的最先进的结果，例如，ImageNet-1 K zero-shot分类，top-1精度为83.74，top-5精度为97.18，COCO微调为62.4 mAP，VQA为80.36，Kinetics-600为87.8。
2021-11-22 cs.AI cs.CV cs.LG
Constrained Dominant sets and Its applications in computer vision
在这篇论文中，我们提出了新的计划，利用约束聚类方法来解决几个计算机视觉的任务，从图像检索，图像分割和共分割，人的重新识别。在过去的几十年中，聚类方法在计算机视觉的应用中发挥了至关重要的作用，在这里，我们专注于扩展，重新制定，并集成一个著名的图形和博弈论聚类方法被称为优势集。因此，我们已经证明了所提出的方法的有效性与广泛的实验进行了几个基准数据集。
2020-02-12 cs.CV
Gender Slopes: Counterfactual Fairness for Computer Vision Models by Attribute Manipulation
UCLA（加州大学洛杉矶分校）
自动化计算机视觉系统已应用于许多领域，包括安全、执法和个人设备，但最近的报告表明，这些系统可能会产生有偏见的结果，歧视某些人口群体。然而，诊断和理解模型偏差的潜在真正原因是一项具有挑战性的任务，因为现代计算机视觉系统依赖于复杂的黑箱模型，其行为难以解码。我们建议使用一个编码器-解码器网络开发的图像属性操作，以合成不同的性别和种族的尺寸，同时保持其他信号完好无损的面部图像。我们使用这些合成图像来测量商业计算机视觉分类器的反事实公平性，方法是检查这些分类器受图像中控制的性别和种族线索影响的程度，例如，女性面孔可能会导致护士概念的得分较高，而STEM相关概念的得分较低。我们还报告了在线搜索服务中与专业相关的关键词的性别代表性，这可能解释了模型中编码的偏见的起源。
2020-05-21 cs.AI cs.CV cs.LG
Preliminary study on artificial intelligence methods for cybersecurity threat detection in computer networks based on raw data packets
本文研究直接从原始网络数据包实时检测攻击的深度学习方法，提出将数据包堆叠成窗口并转为2D图像以利用计算机视觉模型处理，并在CIC IDS-2017数据集上验证了该方法的可行性。
2025-11-03 cs.AI cs.CR cs.CV
Computer Vision-aided Atom Tracking in STEM Imaging
Oak Ridge National Laboratory（橡树岭国家实验室）
为了解决SMC'17数据挑战-“材料属性的原子分辨图像数据采掘”，我们首先使用计算机视觉中开发的经典“斑点检测”算法来识别每个STEM图像帧中的所有原子中心。在最近邻分析的帮助下，我们找到并标记了所有STEM框架共同的每个原子中心，并跟踪了钼或硒原子在给定时间间隔内的运动。
2018-09-13 cs.CV
Hard Vision, Easy Vision: What GPT-6 Astra Reveals Across Computer Vision
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Apertix
本文评估GPT-6 Astra等六个前沿通用系统在34项视觉能力上的表现，发现语义推理任务接近专用模型，而几何精度与保真感知仍具挑战。
2026-09-29 cs.CV
ChainerCV: a Library for Deep Learning in Computer Vision
The University of Tokyo（东京大学）；Preferred Networks
尽管深度学习在计算机视觉领域取得了重大进展，但还没有一个软件库以统一的方式涵盖这些方法。我们介绍ChainerCV，一个软件库，旨在填补这一空白。ChainerCV支持许多神经网络模型以及进行计算机视觉研究所需的软件组件。这些实现强调简单性、灵活性和良好的软件工程实践。该库旨在与已发表论文中报告的结果保持一致，其工具可用作计算机视觉未来研究的基线。我们的实现包括更快的R-CNN和SSD等复杂模型，并涵盖目标检测和语义分割等任务。
2017-08-28 cs.CV
Challenges and Opportunities for Computer Vision in Real-life Soccer Analytics
Oxford Brookes University（牛津布鲁克斯大学）
在本文中，我们将探讨计算机视觉在体育分析中的一些应用。体育分析涉及从体育数据语料库中理解和发现模式。分析这些数据为球员提供了重要的表现指标，例如在足球比赛中，这可能有助于估计他们的健康和力量。团队层面的统计数据也可以从这样的分析中估计出来。本文主要讨论了计算机视觉中体育视频分析所面临的挑战和机遇。具体来说，我们使用我们的多摄像头设置作为一个框架来讨论机器学习算法的一些现实挑战。
2020-04-13 cs.CV
siftservice.com - Turning a Computer Vision algorithm into a World Wide Web Service
Department of Computer Science, University of Wisconsin -Milwaukee, WI, USA IEEE Member, Uppsala, Sweden
图像特征的检测和描述是计算机视觉和模式识别领域的一个长期研究课题。尺度不变特征变换（SIFT）可能是最流行和最广泛需求的特征描述符，其促进了各种计算机视觉应用，诸如图像配准、目标跟踪、图像伪造检测和3D表面重建。这项工作介绍了基于软件即服务（SaaS）的SIFT算法的实现，该算法可在http://siftservice.com上免费获得，用于任何学术，教育和研究目的。该服务提供应用程序到应用程序的交互，旨在为世界各地的计算机视觉学生和研究人员提供快速应用程序开发（RAD）和快速原型设计。互联网连接是他们所需要的一切！
2015-04-11 cs.CV
Towards computer vision technologies: Semi-automated reading of automated utility meters
School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院）
在这份报告中，我们分析了使用计算机视觉技术自动读取公用事业仪表的可能性。在我们的研究中，我们专注于两种计算机视觉技术：开源解决方案Tensorflow目标检测（Tensorflow）和商业解决方案Anyline。本报告扩展了我们以前的出版物：我们首先介绍了相关方法的结构化分析。之后，我们提供了两种计算机视觉技术的详细比较，Tensorflow目标检测（Tensorflow）和Anyline，应用于公用事业仪表的半自动读取。在本文中，我们讨论了应用于公用事业抄表的每种解决方案的局限性和优点，特别是侧重于准确性和推理时间等方面。我们的目标是确定最适合此特定应用领域的解决方案，该领域存在多个特定挑战。
2022-11-24 cs.CV
Abstract 3D Perception for Spatial Intelligence in Vision-Language Models
Tsinghua University（清华大学）；Harvard University（哈佛大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出SandboxVLM框架，通过抽象边界框编码几何结构和物理动力学，提升视觉-语言模型在3D任务中的空间智能，实验证明其在零样本设置下显著提升性能。
2026-04-15 cs.CV
Lookism: The overlooked bias in computer vision
ELLIS Alicante（埃利斯阿利坎特机构）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
本文指出计算机视觉中基于外貌的偏见（lookism）长期被忽视，通过文献综述和用户研究识别其与计算机视觉交叉的三个领域，呼吁跨学科合作开发公平且尊重外貌多样性的系统。
2024-08-21 cs.AI cs.CV cs.CY
Instability of computer vision models is a necessary result of the task itself
Artefact Ltd.（Artefact 有限公司）
本文论证了计算机视觉模型的不稳定性源于数据对称性、分类任务本质及非穷尽标注等因素，是当前问题表述的必然结果，并提出提高分辨率、提供上下文、穷尽标注和限制访问等缓解方法。
2023-10-26 cs.AI cs.CV stat.ML
Image-Based Structural Analysis Using Computer Vision and LLMs: PhotoBeamSolver
gmx [dot] cn（GMX电子邮件服务）
本文提出了一种能够从人工绘制的图纸中解决理想化梁模型的程序，结合计算机视觉和统计学习技术，分析结构元素的检测与视觉解释，并探讨计算机视觉在结构分析中的挑战与应用要求。
2026-03-22 cs.CV
Does computer vision matter for action?
Intel Labs（英特尔实验室）；University of Texas at Austin（得克萨斯大学奥斯汀分校）
计算机视觉产生场景内容的表示。许多计算机视觉研究都是基于这样一个假设，即这些中间表示对动作有用。最近在机器学习和机器人学交叉领域的研究对这一假设提出了质疑，他们直接为手头的任务训练感觉运动系统，从像素到动作，没有显式的中间表示。因此，我们工作的中心问题是：计算机视觉对行动重要吗？我们通过沉浸式模拟来探索这个问题及其分支，这使我们能够进行大规模的可控可重复实验。我们的仪器沉浸式三维环境，以模拟挑战，如城市驾驶，越野步道穿越和战斗。我们的主要发现是计算机视觉确实很重要。配备中间表示的模型训练更快，实现更高的任务性能，并更好地推广到以前看不到的环境。一个视频，总结了工作，并说明了结果可以在https://youtu.be/4MfWa2yZ0Jc找到
2019-10-22 cs.AI cs.CV cs.LG
A Review of Transformer-Based Models for Computer Vision Tasks: Capturing Global Context and Spatial Relationships
Huddersfield University（哈德斯菲尔德大学）
本文综述了用于计算机视觉的Transformer架构，探讨其如何通过捕获全局上下文与空间关系在图像分类、目标检测和分割等任务中表现卓越，并分析了其优势、局限及未来研究方向。
2024-08-27 cs.CV
Applications of a Graph Theoretic Based Clustering Framework in Computer Vision and Pattern Recognition
近年来，一些聚类算法已经被用来解决来自不同学科的各种问题。本论文旨在通过将计算机视觉和模式识别中的问题转化为聚类问题来解决这些具有挑战性的问题。我们提出了新的方法来解决多目标跟踪，视觉地理定位和离群点检测问题，使用统一的下划线聚类框架，即，优势集聚类及其扩展，并提出了优于几个国家的最先进的方法的结果。
2018-01-07 cs.CV
Computer Vision Systems in Road Vehicles: A Review
University of Zagreb（萨格勒布大学）
近几十年来，公路车辆的数量显著增加。这一趋势伴随着道路基础设施的建设和各种控制系统的发展，以提高道路交通安全、道路通行能力和旅行舒适度。在交通安全方面已经取得了重大的发展，并且今天的系统越来越多地包括摄像机和计算机视觉方法。摄像头被用作道路基础设施或车辆的一部分。本文从交通工程的角度对车辆计算机视觉系统进行了综述。介绍了道路车辆的安全问题，描述了当前最先进的车载视觉系统，并讨论了未来研究方向的开放问题。
2013-10-01 cs.CV
A Comparative Study of Confidence Calibration in Deep Learning: From Computer Vision to Medical Imaging
Vanderbilt University（范德堡大学）；Vanderbilt University Medical Center（范德堡大学医学中心）；Siemens Healthineers（西门子医疗）
尽管深度学习预测模型在区分不同类别方面取得了成功，但它们在包括医疗保健在内的具有挑战性的领域中往往校准不良。此外，长尾分布在包括临床疾病预测在内的深度学习分类问题中带来了巨大挑战。最近提出了一些方法来校准计算机视觉中的深度预测，但没有研究表明代表性模型如何在不同的挑战性环境中工作。在本文中，我们桥梁的置信度校准从计算机视觉医学成像与四个高影响力的校准模型的比较研究。我们的研究是在不同的背景下进行的（自然图像分类和肺癌风险估计），包括平衡与不平衡训练集以及计算机视觉与医学成像。我们的结果支持了关键发现：（1）我们得出了未在不同学习背景下研究的新结论，例如，组合两个校准模型，这两个校准模型都减轻了过度自信的预测，这可能导致不自信的预测，并且来自计算机视觉领域的更简单的校准模型往往更适用于医学成像。(2)我们强调了一般计算机视觉任务和医学成像预测之间的差距，例如，对于一般计算机视觉任务来说理想的校准方法实际上可能损害医学成像预测的校准。(3)我们还在自然图像分类环境中强化了之前的结论。我们相信，这项研究的价值，指导读者选择校准模型和理解之间的差距一般计算机视觉和医学成像领域。
2022-06-17 cs.CV
Kornia: an Open Source Differentiable Computer Vision Library for PyTorch
Computer Vision Center（计算机视觉中心）；Czech Technical University in Prague（布拉格捷克理工大学）；Arraiy, Inc.（Arraiy公司）
这项工作介绍了Kornia --一个开源的计算机视觉库，它由一组可区分的例程和模块组成，用于解决一般的计算机视觉问题。该软件包使用PyTorch作为其主要后端，以提高效率，并利用反向模式自动微分来定义和计算复杂函数的梯度。受OpenCV的启发，Kornia由一组包含运算符的模块组成，这些运算符可以插入神经网络中以训练模型来执行图像变换、相机校准、对极几何和低级图像处理技术，例如直接对高维张量表示进行操作的滤波和边缘检测。使用我们的框架实现的经典视觉问题的例子，包括一个基准比较现有的视觉库。
2019-10-09 cs.CV
Hyperbolic Deep Learning in Computer Vision: A Survey
University of Amsterdam（阿姆斯特丹大学）；TU Dresden（德累斯顿工业大学）；Stanford University（斯坦福大学）
本文综述了计算机视觉中的双曲深度学习，分类梳理监督与无监督方法，概述其嵌入层级结构等优势，并指出开放研究问题。
2023-05-11 cs.CV
LAVIS: A Library for Language-Vision Intelligence
Salesforce Research（Salesforce研究院）
我们介绍LAVIS，一个开源的深度学习库，用于LANGUage-VISion研究和应用。LAVIS旨在成为一站式综合图书馆，为研究人员和从业人员提供语言视觉领域的最新进展，以及未来的研究和开发。它具有统一的界面，可以轻松访问最先进的图像语言，视频语言模型和常见的数据集。LAVIS支持各种任务的培训、评估和基准测试，包括多模态分类、检索、字幕、视觉问答、对话和预培训。同时，该库还具有高度的可扩展性和可配置性，便于未来的开发和定制。在这份技术报告中，我们描述了库的设计原则、关键组件和功能，并介绍了常见语言视觉任务的基准测试结果。该库可在https://github.com/salesforce/LAVIS上获得。
2022-09-15 cs.CL cs.CV cs.LG
