迎接CVPR 2021影像匹配挑战赛的方法
Method Towards CVPR 2021 Image Matching Challenge
摘要:
本报告描述了Megvii-3D团队对CVPR 2021图像匹配研讨会的方法。
英文摘要:
This report describes Megvii-3D team's approach towards CVPR 2021 Image Matching Workshop.
机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。
Method Towards CVPR 2021 Image Matching Challenge
Xiaopeng Bi, Yu Chen, Xinyang Liu, Dehao Zhang, Ran Yan, Zheng Chai, Haotian Zhang, Xiao Liu
本报告描述了Megvii-3D团队对CVPR 2021图像匹配研讨会的方法。
This report describes Megvii-3D team's approach towards CVPR 2021 Image Matching Workshop.
机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。
继续探索
Method Towards CVPR 2021 SimLocMatch Challenge
本报告描述了Megvii-3D团队对SimLocMatch Challenge @ CVPR 2021图像匹配研讨会的方法。
Technical Report for CVPR 2022 LOVEU AQTC Challenge
本技术报告介绍了AQTC的第二个获奖模型,这是CVPR 2022 LONG形式视频理解(LOVEU)挑战中新引入的任务。这一挑战面临着多步骤答案、多模态以及视频中多样化和不断变化的按钮表示的困难。我们解决这个问题,提出了一个新的上下文地面模块注意力机制更有效的特征映射。此外,我们还对按钮的数量进行了分析,并对不同步骤的网络和视频特征进行了消融研究。因此,我们在LOVEU竞赛轨道3中获得了第二名,特别是在四个评估指标中的两个中获得了第一名。我们的代码可在https://github.com/jaykim9870/ CVPR-22_LOVEU_unipyler上获得。
Solution for CVPR 2024 UG2+ Challenge Track on All Weather Semantic Segmentation
本文提出一种面向恶劣天气语义分割的解决方案,通过预训练 InternImage-H 骨干网络并结合 Upernet 方法及离线和在线数据增强,在 CVPR 2024 UG2+ 挑战赛中获得第三名。
CVPR 2019 WAD Challenge on Trajectory Prediction and 3D Perception
本文回顾了CVPR 2019年自动驾驶挑战赛。百度的机器人和自动驾驶实验室(RAL)提供150分钟的标记轨迹和3D感知数据集,包括约8万个激光雷达点云和1000公里的城市交通轨迹。该挑战有两个任务:(1)轨迹预测和(2)3D激光雷达目标检测。有超过200个团队在排行榜上提交了结果,超过1000名参与者参加了研讨会。
The Second-place Solution for CVPR 2022 SoccerNet Tracking Challenge
这是我们在CVPR 2022 SoccerNet跟踪挑战赛中获得的第二名解决方案。我们的方法主要包括两个步骤:使用级联缓冲区IoU(C-BIoU)跟踪器进行在线短期跟踪,以及使用外观特征和层次聚类进行离线长期跟踪。在每一步中,在线跟踪产生的HOTA分数接近90,离线跟踪进一步提高HOTA分数到93.2左右。
Workshop on Autonomous Driving at CVPR 2021: Technical Report for Streaming Perception Challenge
在这份报告中,我们介绍了我们的实时2D目标检测系统的现实自动驾驶场景。我们的探测器是建立在一个新设计的YOLO模型,称为YOLOX。在Argoverse-HD数据集上,我们的系统实现了41.0流式AP,分别在仅检测跟踪/完全跟踪上超过第二名7.8/6.1。此外,配备TensorRT,我们的模型在高分辨率输入大小(例如,1440-2304)。代码和模型将在https://github.com/Megvii-BaseDetection/YOLOX上提供
Geospatial Foundational Embedder: Top-1 Winning Solution on EarthVision Embed2Scale Challenge (CVPR 2025)
针对 CVPR 2025 Embed2Scale 挑战赛,我们提出了一种地理空间基础嵌入方法,将高光谱数据立方体嵌入为向量,并取得了第一名成绩。
Results of the 1st Asynchronous CASTLE Challenge at the Joint Egocentric Vision Workshop in Conjunction with CVPR 2026
本报告总结了2026年CVPR联合自我中心视觉研讨会第一届异步CASTLE挑战赛的贡献与结果
The System Description of CPS Team for Track on Driving with Language of CVPR 2024 Autonomous Grand Challenge
本文介绍了CPS团队在CVPR 2024自动驾驶大挑战赛语言驾驶赛道的方法,基于LLaVA模型并采用LoRA和DoRA微调,集成深度信息,使用思维链推理,在验证集排行榜取得0.7799分排名第一。
Solution for SMART-101 Challenge of CVPR Multi-modal Algorithmic Reasoning Task 2024
本文提出HYU MLLAB KT团队针对SMART-101多模态算法推理挑战赛的方案,通过详细图像描述与SAM目标检测增强几何图案特征,再结合大规模语言模型推理,在测试集上取得29.5的选项选择准确率。
Winning the CVPR'2021 Kinetics-GEBD Challenge: Contrastive Learning Approach
通用事件边界检测(GEBD)是一个新引入的任务,旨在检测“一般”的事件边界,对应于自然的人类感知。在本文中,我们介绍了一种新的对比学习为基础的方法来处理GEBD。我们的直觉是,视频片段的特征相似性在事件边界附近会发生显著变化,而在视频的其余部分中保持相对相同。在我们的模型中,时间自相似性矩阵(TSM)被用作一个中间表示,它承担了信息瓶颈的作用。通过我们的模型,与给定的基线相比,我们实现了显着的性能提升。我们的代码可在https://github.com/hello-jinwoo/LOVEU-CVPR2021上获得。
Technical Report for CVPR 2024 WeatherProof Dataset Challenge: Semantic Segmentation on Paired Real Data
本文提出 CVPR'24 UG2 WeatherProof 挑战赛第二名方案,利用 InternImage 结合多噪声图像训练与 dense-CRF 后处理,在不使用额外数据集的情况下取得 45.1 mIOU。
A Robust Semantic Segmentation Pipeline for the CVPR 2026 8th UG2+ Challenge Track 2
提出一种半监督分割流程,以UniMatch V2为基线,将恶劣天气图像视为未标记数据进行训练,并采用测试时增强,仅使用WeatherProof数据集提升鲁棒性。
Multi-Scale Occ: 4th Place Solution for CVPR 2023 3D Occupancy Prediction Challenge
提出多尺度占用方法,基于升-分割-射击框架,融合多尺度图像特征与多帧时间信息,结合后处理,以49.36 mIoU获得CVPR 2023 3D占用预测挑战赛第4名。
Submission to Generic Event Boundary Detection Challenge@CVPR 2022: Local Context Modeling and Global Boundary Decoding Approach
通用事件边界检测是视频理解中一项重要而又具有挑战性的任务,其目的是检测人类自然感知到事件边界的时刻。在本文中,我们提出了一个局部上下文建模和全局边界解码方法的GEBD任务。局部上下文建模子网络被提出来感知通用事件边界的不同模式,并且它生成强大的视频表示和可靠的边界置信度。在此基础上,利用全局边界解码子网络从全局角度对事件边界进行解码。我们提出的方法在Kinetics-GEBD测试集上获得了85.13%的F1分数,与基线方法相比,F1分数提高了22%以上。该代码可在https://github.com/JackyTown/GEBD_Challenge_CVPR2022上获得。
Winning the CVPR'2022 AQTC Challenge: A Two-stage Function-centric Approach
以支付能力为中心的以自我为中心的助理(AQTC)驱动的任务完成是一项新颖的任务,可以帮助AI助理从教学视频和脚本中学习,并逐步指导用户。在本文中,我们通过一个两阶段的功能为中心的方法来处理AQTC,其中包括一个功能模块,以地面的问题与相关的功能和功能模块回答预测的基础上的历史步骤的行动。我们在每个模块中评估了几种可能的解决方案,并与给定的基线相比获得了显着的收益。我们的代码可在\url{https://github.com/starsholic/LOVEU-CVPR22-AQTC}上获得。
Generic Event Boundary Detection Challenge at CVPR 2021 Technical Report: Cascaded Temporal Attention Network (CASTANET)
本报告介绍了在CVPR 21上提交通用事件边界检测(GEBD)挑战时使用的方法。在这项工作中,我们设计了一个级联的时间注意力网络(CASTANET)的GEBD,它由三个部分组成,骨干网络,时间注意力模块,和分类模块。具体而言,采用离散卷积网络(CSN)作为主干网络进行特征提取,并设计了时间注意模块,使网络集中于具有区分性的特征。在此基础上,在分类模块中使用级联结构,以生成更准确的边界。此外,集成策略被用来进一步提高所提出的方法的性能。该方法在Kinetics-GEBD测试集上获得了83.30%的F1分数,与基线方法相比提高了20.5%的F1分数。代码可在https://github.com/DexiangHong/Cascade-PC上获得。
Driving with InternVL: Oustanding Champion in the Track on Driving with Language of the Autonomous Grand Challenge at CVPR 2024
本研究针对CVPR 2024自主大挑战语言驾驶赛道,基于InternVL-1.5全参数微调,设计多视图图像拼接与自动标注策略,单模型取得0.6002分并夺冠。
Woodscape Fisheye Object Detection for Autonomous Driving -- CVPR 2022 OmniCV Workshop Challenge
目标检测是自动驾驶领域的一个研究热点。然而,在鱼眼相机的情况下,它相对较少被探索。强径向畸变打破了卷积神经网络的平移不变性归纳偏差。因此,我们提出了自动驾驶的WoodScape鱼眼目标检测挑战,这是CVPR 2022全向计算机视觉研讨会(OmniCV)的一部分。这是第一个专注于鱼眼相机目标检测的比赛之一。我们鼓励参与者设计在鱼眼图像上原生工作的模型,而无需校正。我们使用CodaLab来举办基于公开的WoodScape鱼眼数据集的比赛。在本文中,我们提供了一个详细的分析竞争吸引了120个全球团队的参与,共1492提交。我们简要地讨论了获胜方法的细节,并分析了它们的定性和定量结果。
A Two-Stage Adverse Weather Semantic Segmentation Method for WeatherProof Challenge CVPR 2024 Workshop UG2+
针对CVPR'24 UG2+恶劣天气语义分割挑战赛,提出两阶段深度学习框架,通过低秩视频去雨生成高保真伪真值辅助InternImage训练,在mIoU指标上达0.43,获第四名。
A Boosted Model Ensembling Approach to Ball Action Spotting in Videos: The Runner-Up Solution to CVPR'23 SoccerNet Challenge
本研究针对视频足球动作定位任务,基于基线模型E2E-Spot生成变体并提出增强模型集成策略BME,通过模型选择与权重分配提升集成性能,获CVPR'23 SoccerNet挑战赛亚军。
A Solution to CVPR'2023 AQTC Challenge: Video Alignment for Multi-Step Inference
本文针对第一人称助手的AQTC任务,提出通过VideoCLIP生成对齐特征、定位问题相关内容、重加权多模态上下文并采用GRU进行多步推理的视频对齐增强方法,在CVPR'2023 AQTC挑战赛中取得第二名。
Technical Report of RoboSpatial Challenge at CVPR 2026: Selective Reasoning Activation and Reference-Frame Disambiguation for Embodied Spatial Reasoning
提出RoboSpatialBrain,通过强制<think>前缀激活和参考框架重定向两种无训练推理机制,解决具身空间推理中的歧义问题,在RoboSpatial-Home上达到80.9%成功率,获得挑战赛第一名。
ReferDINO-Plus: 2nd Solution for 4th PVUW MeViS Challenge at CVPR 2025
本文提出ReferDINO-Plus方案,通过结合SAM2的优势并引入条件掩码融合策略,有效平衡单目标与多目标场景性能,在CVPR 2025 MeViS挑战赛中取得第二名。
X-Restormer++: 1st Place Solution for the UG2+ CVPR 2026 All-Weather Restoration Challenge
提出基于X-Restormer的双阶段训练与双模型集成推理方法,结合梯度引导边缘感知损失,在全天气图像恢复挑战赛中取得第一名。
3rd Place at CVPR 2026 CASTLE Challenge: Agentic Multi-View Long-Context Video Understanding via Hierarchical Knowledge Graph Retrieval
提出一种免训练的智能框架,通过视频知识图谱和层次化检索索引,解决大规模多视角视频中的复杂时空推理问题,在CASTLE挑战赛中获得第三名。
The 1st-place Solution for CVPR 2023 OpenLane Topology in Autonomous Driving Challenge
针对自动驾驶OpenLane Topology挑战赛任务,研究团队构建多阶段框架,结合PETRv2、YOLOv8及MLP预测头实现拓扑推理,以55% OLS拿下赛道第一,领先第二名8个点。
First Place Solution to the CVPR'2023 AQTC Challenge: A Function-Interaction Centric Approach with Spatiotemporal Visual-Language Alignment
针对AQTC任务中时空视觉-语言对齐缺失及人-物交互信息利用不足的问题,提出结合预训练多模态模型与手-物交互聚合模块的方法,在CVPR'2023挑战赛中以78.7%的Recall@1获得第一名。
Separating Drone Point Clouds From Complex Backgrounds by Cluster Filter -- Technical Report for CVPR 2024 UG2 Challenge
本文提出一种无监督的无人机点云检测与跟踪方法,通过全局-局部序列聚类器进行背景分割并结合时空密度与体素解析,在CVPR 2024 UG2+挑战赛中取得第四名。
A Trajectory-Driven Spatio-Temporal Refinement Solution for CVPR 2026 8th UG2+ Challenge Track 3: DOST
基于 SegAnyMo 框架,通过数据域自适应和时空后处理模块,提升严重大气畸变下的动态目标分割性能,在挑战赛中获第二名。
SIS-Challenge: Event-based Spatio-temporal Instance Segmentation Challenge at the CVPR 2025 Event-based Vision Workshop
本文概述了CVPR 2025事件视觉研讨会上的时空实例分割挑战赛,介绍了任务、数据集与结果,并总结了排名前五团队的方法。
1st Place Winner of the 2024 Pixel-level Video Understanding in the Wild (CVPR'24 PVUW) Challenge in Video Panoptic Segmentation and Best Long Video Consistency of Video Semantic Segmentation
本文提出基于DINOv2 ViT-g和DVIS框架的视频理解方案,在PVUW'24挑战赛中获VPS第一名、VSS第三名及VC16第一名。
Technical Report for the 5th CLVision Challenge at CVPR: Addressing the Class-Incremental with Repetition using Unlabeled Data -- 4th Place Solution
本研究针对CVPR第五届CLVision挑战赛的带重复类别增量场景,提出结合知识蒸馏与伪标记、利用无标注数据缓解灾难性遗忘的方法,准确率显著优于基线,获赛事第四名。
1st Solution Places for CVPR 2023 UG$^{\textbf{2}}$+ Challenge Track 2.1-Text Recognition through Atmospheric Turbulence
本研究提出多阶段湍流图像恢复框架,通过帧选择、光流配准、DT-CWT区域融合和学习去伪影处理失真帧,在CVPR 2023 UG²+挑战赛湍流下文本识别任务中获准确率第一。
Woodscape Fisheye Semantic Segmentation for Autonomous Driving -- CVPR 2021 OmniCV Workshop Challenge
我们提出了自动驾驶的WoodScape鱼眼语义分割挑战,这是CVPR 2021全向计算机视觉研讨会(OmniCV)的一部分。这一挑战是研究界评估针对鱼眼相机感知的语义分割技术的首批机会之一。由于强烈的径向失真,标准模型不能很好地推广到鱼眼图像,因此对象和实体的视觉外观中的变形需要被隐式编码或作为显式知识。这一挑战作为一种媒介来调查挑战和新的方法来处理鱼眼图像上的感知的复杂性。该挑战赛在CodaLab上进行,并使用了最近发布的WoodScape数据集,包括10 k个样本。在本文中,我们提供了一个摘要的竞争,吸引了71个全球团队的参与,共395提交。与使用ResNet-50主干的基线PSPNet相比,顶级团队的平均IoU和准确性得分显着提高。总结了算法的获胜方法,分析了失败的案例。最后,我们提供了未来的研究方向。
Technical Report of NICE Challenge at CVPR 2024: Caption Re-ranking Evaluation Using Ensembled CLIP and Consensus Scores
提出融合集成 CLIP 语义对齐分数与共识分数的 ECO 描述重排序框架,并在 CVPR 2024 NICE 挑战赛多项指标中取得领先名次。
Masked Autoencoders for Generic Event Boundary Detection CVPR'2022 Kinetics-GEBD Challenge
通用事件边界检测(GEBD)任务旨在检测通用的,无分类的事件边界,将整个视频分割成块。在本文中,我们应用掩码自编码器,以提高算法的性能上的GEBD任务。我们的方法主要采用集成的掩码自编码器微调GEBD任务作为一个自我监督的学习者与其他基本模型。此外,我们还使用半监督伪标签方法,以充分利用大量的未标记的Kinetics-400数据进行训练。此外,我们提出了一种软标签的方法,部分平衡的积极和消极的样本,并减轻在这项任务中的模糊标记的问题。最后,实现了一个棘手的分割对齐策略,以将我们的模型预测的边界细化到更准确的位置。通过我们的方法,我们在Kinetics-GEBD测试集上获得了85.94%的F1分数,与2021年Kinetics-GEBD挑战赛的获胜者相比,F1分数提高了2.31%。我们的代码可在https://github.com/ContentAndMaterialPortrait/MAE-GEBD上获得。
Restormer-Plus for Real World Image Deraining: One State-of-the-Art Solution to the GT-RAIN Challenge (CVPR 2023 UG2+ Track 3)
本文提出用于真实图像去雨的 Restormer-Plus 方法,通过结合 Restormer-X、中值滤波、加权平均与后处理模块缓解过拟合并提升亮度恢复,在 GT-RAIN 挑战赛中取得 PSNR 最优、SSIM 第 4 的成绩。
A Two-Stage Real Image Deraining Method for GT-RAIN Challenge CVPR 2023 Workshop UG$^{\textbf{2}}$+ Track 3
提出两阶段真实图像去雨框架,结合低秩视频去雨生成伪真值并微调Uformer网络,在GT-RAIN挑战赛中获SSIM第一、PSNR第二。
The 1st PortraitCraft Challenge: A CVPR 2026 Workshop Competition on Portrait Composition Understanding and Generation
提出PortraitCraft挑战赛,包含构图理解与生成两个赛道,并发布约5万张肖像数据集,推动肖像美学与可控图像生成研究。
SuperAD: A Training-free Anomaly Classification and Segmentation Method for CVPR 2025 VAND 3.0 Workshop Challenge Track 1: Adapt & Detect
针对MVTec AD 2真实工业异常检测挑战,提出基于DINOv2特征提取与记忆库最近邻匹配的完全无需训练方法SuperAD,在测试集上取得有竞争力结果。
CVPR 2020 Continual Learning in Computer Vision Competition: Approaches, Results, Current Challenges and Future Directions
在过去的几年里,我们目睹了对深度神经网络的持续学习的新的和快速增长的兴趣,其共同目标是使当前的人工智能系统更具适应性,高效和自主性。然而,尽管该领域在解决灾难性遗忘的问题方面取得了重大和显著的进展,但对不同的持续学习方法进行基准测试本身就是一项艰巨的任务。事实上,考虑到不同的设置、培训和评估协议、指标和术语的激增,正确描述一个持续学习算法,将其与其他解决方案联系起来,并衡量其在现实世界中的适用性,往往是很棘手的。2020年在CVPR举办的第一届持续学习计算机视觉挑战赛是首批在通用硬件上评估不同持续学习算法的机会之一,该硬件具有大量共享评估指标和基于现实CORe 50视频基准的3种不同设置。在本文中,我们报告的主要结果的竞争,其中计数超过79个团队注册,11个决赛和2300$的奖金。我们还总结了成功的方法,当前的挑战和未来的研究方向。
Winner of CVPR2026 NTIRE Challenge on Image Shadow Removal: Semantic and Geometric Guidance for Shadow Removal via Cascaded Refinement
本文提出一种三阶段渐进式阴影去除管道,结合冻结的DINOv2语义引导和单目深度及表面法线几何线索,通过级联细化消除残留误差,最终在WSRD+2026测试集上取得最佳成绩。
1st Solution Places for CVPR 2023 UG$^2$+ Challenge Track 2.2-Coded Target Restoration through Atmospheric Turbulence
本研究提出一种多阶段大气湍流编码目标恢复框架,经配准、帧选择平均、学习去模糊及后处理,在CVPR 2023 UG²+赛道2.2中夺冠。
The Solution for the CVPR2024 NICE Image Captioning Challenge
本报告提出了一种针对CVPR2024 NICE零样本图像描述挑战的解决方案,通过检索增强和描述分级方法,结合OFA模型与高质量训练数据,实现了234.11的CIDEr得分。
Multimodal Structured Generation: CVPR's 2nd MMFM Challenge Technical Report
本文提出多模态结构化生成框架,通过对冻结的多模态基础模型输出 logits 施加硬约束,强制模型生成结构化输出并在回答前推理,在 CVPR 第二届 MMFM 挑战赛中验证了轻量级工程方法优于昂贵微调方案。
Technical Report on the CVPR 2026@AdvML Workshop Challenge
介绍CVPR 2026@AdvML研讨会针对自动驾驶VLAs的对抗性多模态攻击挑战赛,基于多视图视觉问答,参赛者要生成对抗图像和文本扰动。阐述任务设计等,研究领先提交作品发现后缀惩罚等模式,为多模态自动驾驶系统相关工作提供参考。
EgoAdapt: A Multi-Scene Egocentric Adaptation Method for CVPR 2026 HD-EPIC VQA Challenge
提出EgoAdapt方法,通过类别条件路由、校准选项评分和测试时一致性适应,解决自我中心视频问答中通用推理与异构时空语义结构不匹配的问题。
1st Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
针对 MeViS 运动表达引导视频分割任务,本文提出基于静态主导数据与帧采样的解决方案,在 CVPR 2024 PVUW 挑战赛中以 0.5447 的 J&F 分数获得第一名。
MetaFood CVPR 2024 Challenge on Physically Informed 3D Food Reconstruction: Methods and Results
针对3D食物重建领域数据稀缺、产学研合作不足的问题,本文介绍了CVPR 2024 MetaFood研讨会举办的物理信息驱动3D食物重建挑战赛的设置、参赛情况及成果,为膳食监测相关技术发展提供支撑。
TempRet: Temporal Enhancement and Two-Stage Reranking for CVPR 2026 EPIC-KITCHENS-100 Multi-Instance Retrieval Challenge
针对第一人称视频检索中时间动态被忽视的问题,提出基于CLIP双编码器、视频端时间Transformer和两阶段重排序的TempRet方法,在EK-100 MIR基准上达到67.97%平均mAP和82.92%平均nDCG。
NICE: CVPR 2023 Challenge on Zero-shot Image Captioning
本文介绍了NICE项目及2023年零样本图像描述挑战赛,通过新评估数据集测试模型在无特定训练数据下的准确性与公平性,并分享数据集、评估方法及优胜方案技术细节,以推动视觉-语言AI模型的发展。
1st Place Solution for MOSE Track in CVPR 2024 PVUW Workshop: Complex Video Object Segmentation
针对复杂场景中目标遮挡和分裂导致的定义模糊问题,本文提出语义嵌入视频目标分割模型,以目标显著特征作为查询表示,在 PVUW 2024 复杂视频目标分割赛道测试集上以 84.45% 取得第一名。
DIVE: Deep-search Iterative Video Exploration A Technical Report for the CVRR Challenge at CVPR 2025
本文提出DIVE方法,通过语义分解、逐步推理和渐进推断的迭代推理框架,在CVRR-ES基准上以81.44%准确率荣获CVPR 2025挑战赛第一名,实现了鲁棒的视频问答。
The Second-place Solution for CVPR VISION 23 Challenge Track 1 -- Data Effificient Defect Detection
本文介绍了CVPR VISION 23挑战赛数据高效缺陷检测赛道的亚军方案,基于HTC和Swin-B结合CBNetv2复合连接增强基线,并采用语义分割融合与多实例分割融合等集成方法,在有限样本下实现了优异的缺陷分割效果。
Second Edition FRCSyn Challenge at CVPR 2024: Face Recognition Challenge in the Era of Synthetic Data
CVPR 2024第二届挑战赛探讨合成数据在人脸识别中的应用,旨在解决隐私、偏见和泛化能力等技术限制,通过新子任务推动面部生成方法的发展。
Agriculture-Vision Challenge 2022 -- The Runner-Up Solution for Agricultural Pattern Recognition via Transformer-based Models
CVPR中的视觉挑战赛是全球研究人员打破计算机视觉与农业部门之间界限的最著名和最具竞争力的挑战之一,旨在从航空图像中进行农业模式识别。在本文中,我们提出了CVPR 2022中第三个视觉挑战的解决方案。我们利用数据预处理方案和几个基于Transformer的模型以及数据增强技术,实现了0.582的mIoU,在这项挑战中获得第二名。
MapVision: CVPR 2024 Autonomous Grand Challenge Mapless Driving Tech Report
针对无高清地图自动驾驶中道路远端和遮挡场景的建图难题,本文融合多视角图像与SD地图,通过地图编码器预训练、YOLOX及LDTR辅助任务提升检测性能,OLUS得分达0.58。
CVPR MultiEarth 2023 Deforestation Estimation Challenge:SpaceVision4Amazon
本文针对 CVPR MultiEarth 2023 森林砍伐估算挑战赛,提出基于注意力引导 UNet 的多传感器卫星影像方法,分别训练 Landsat-8 和 Sentinel-1 模型,在测试集上取得 84.70% 像素准确率、0.79 F1 分数和 0.69 IoU。
OmniEgo-R$^2$: A Routed Reasoning Framework for the 1st Cross-Domain EgoCross Challenge at CVPR 2026
针对跨领域自我中心视频推理中的时间边界模糊、语义粒度不匹配和决策不稳定问题,提出OmniEgo-R$^2$路由推理框架,在Source-Limited和Open-Source赛道均获第二名。
扫码添加微信好友,提出您的宝贵建议 👇
💡 备注请填写:网站反馈
发表机构由 AI 从论文文本抽取,如发现错误,欢迎反馈修正建议。