The Second-place Solution for CVPR VISION 23 Challenge Track 1 -- Data Effificient Defect Detection
CASI Vision Technology Co., Ltd.(卡西视觉科技有限公司);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
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。
2023-06-25 cs.CV
SIS-Challenge: Event-based Spatio-temporal Instance Segmentation Challenge at the CVPR 2025 Event-based Vision Workshop
TU Berlin, SCIoI, ECDF(柏林技术大学、SCIoI、ECDF);RWTH Aachen(亚琛工业大学);Xidian University(西安电子科技大学);Hong Kong University of Science and Technology(香港科技大学);Sun Yat-sen University(中山大学);Wonkwang University(Wonkwang大学);Tongji University(同济大学)
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。
2025-08-18 cs.CV cs.LG
2nd Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
Institute of Automation, Chinese Academy of Sciences (CASIA)(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)(中国科学院大学人工智能学院);Beijing Academy of Artificial Intelligence (BAAI)(北京人工智能研究院);University of Science and Technology Beijing (USTB)(北京科技大学)
针对运动表达引导的视频分割任务,团队基于RVOS方法引入视频实例分割掩码信息做时序增强、用SAM做空间细化,在CVPR 2024 PVUW挑战赛MeViS赛道取得第二名。
2024-06-20 cs.CV
Geospatial Foundational Embedder: Top-1 Winning Solution on EarthVision Embed2Scale Challenge (CVPR 2025)
Microsoft Redmond, WA(微软红mond分校)
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。
2025-09-03 cs.CV
Method Towards CVPR 2021 SimLocMatch Challenge
Megvii Inc.(旷视科技)
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。
2021-08-11 cs.CV
1st Place Solution for CVPR2023 BURST Long Tail and Open World Challenges
Lenovo(联想)
本文提出 LeTracker,通过结合 LVISv0.5 与 COCO 训练检测器并在 TAO 上训练外观相似度头,分别在 BURST 长尾和开放世界挑战中以 14.9 HOTAall 和 61.4 OWTAall 获得第一名。
2023-08-08 cs.CV eess.IV
Principal Component Clustering for Semantic Segmentation in Synthetic Data Generation
Bergische Universität Wuppertal(伍珀塔尔大学);Aptiv(安波福公司)
提出基于潜在扩散模型自注意力与交叉注意力的语义分割合成数据集生成方法,无需额外分割模型,通过逐头语义凝聚与掩码细化实现分割与分类。
2024-06-25 cs.CV
Enhanced Semantic Segmentation Pipeline for WeatherProof Dataset Challenge
Fujitsu R&D Center Co., Ltd.(富士通研发中心有限公司)
本文提出了一种在WeatherProof挑战赛中夺冠的增强语义分割流水线,通过改进UperNet、SETRMLA和InternImage模型、引入WeatherProofExtra数据集及数据增强,并结合训练策略与集成方法取得排行榜第一。
2024-06-07 cs.AI cs.CV
The Second-place Solution for CVPR 2022 SoccerNet Tracking Challenge
Fujitsu Research(富士通研究院)
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。
2022-12-06 cs.CV
1st Place Solutions for UG2+ Challenge 2021 -- (Semi-)supervised Face detection in the low light condition
Tomorrow Advancing Life (TAL) Education Group(好未来教育集团)
在这份技术报告中,我们简要介绍了我们的团队“TAL-ai”在CVPR 2021的UG 2+挑战赛中在低光条件下进行(半)监督人脸检测的解决方案。通过对几种常用的图像增强方法和图像变换方法进行实验,将弱光图像和正常图像拉到一个更接近的区域。据观察,使用这些数据进行训练可以获得更好的性能。我们还采用了几种流行的目标检测框架,例如,DetectoRS、Cascade-RCNN和Swin-transformer等大型骨干网。最后,我们集成了几个模型,它们在测试集中达到了mAP 74.89,在最终排行榜上排名第一。
2021-07-02 cs.CV
InternVideo-Ego4D: A Pack of Champion Solutions to Ego4D Challenges
Shanghai AI Laboratory(上海人工智能实验室);Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);The University of Hong Kong(香港大学);Nanjing University(南京大学);The Chinese University of Hong Kong(香港中文大学);The Australia National University(澳大利亚国立大学);Tsinghua University(清华大学)
在这份报告中,我们提出了我们的冠军解决方案,以五个轨道在Ego 4D的挑战。我们利用我们开发的InternVideo,视频基础模型,五个自我4D任务,包括时刻识别,自然语言识别,未来的手预测,状态变化目标检测,和短期对象交互预测。InternVideo-Ego 4D是一种有效的范例,可以通过简单的头部设计将强大的基础模型适应于下游以自我为中心的视频理解任务。在这五项任务中,InternVideo-Ego 4D的表现全面超越了基准方法和CVPR 2022的冠军,展现了InternVideo作为视频基础模型的强大表现能力。我们的代码将在https://github.com/OpenGVLab/ego4d-eccv2022-solutions上发布
2022-11-17 cs.CV
The 2017 DAVIS Challenge on Video Object Segmentation
Disney Research(迪士尼研究院)
我们提出了2017年DAVIS视频对象分割挑战赛,这是一个专门为视频对象分割任务设计的公共数据集,基准和竞赛。继ILSVRC和PASCAL VOC等其他成功举措之后,DAVIS挑战赛在场景分类和语义分割领域建立了研究途径,包括数据集,评估方法和公开竞赛,并与CVPR 2017共同举办了一个专门的研讨会。DAVIS挑战赛是对最近出版的DAVIS(密集注释视频分割)的跟进,该杂志促进了几种新颖的最先进的视频对象分割技术的发展。在本文中,我们描述了基准的范围,突出了数据集的主要特征,定义了竞争的评估指标,并提出了一个详细的分析结果的参与者的挑战。
2018-03-01 cs.CV
ZERO: Industry-ready Vision Foundation Model with Multi-modal Prompts
Superb AI Seoul, South Korea(超霸AI首尔韩国)
本文提出工业视觉基础模型 ZERO,通过文本与视觉多模态提示实现无需重训练的零样本泛化,在多个工业数据集和 CVPR 2025 挑战赛中验证了其实际部署能力。
2025-11-07 cs.AI cs.CV
Method Towards CVPR 2021 Image Matching Challenge
Megvii Inc.(旷视科技)
本报告描述了Megvii-3D团队对CVPR 2021图像匹配研讨会的方法。
2021-08-11 cs.AI cs.CV
Winning the CVPR'2021 Kinetics-GEBD Challenge: Contrastive Learning Approach
Yonsei University(延世大学);Hyundai Mobis(现代摩比斯)
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。
2021-06-22 cs.CV
Multi-Scale Occ: 4th Place Solution for CVPR 2023 3D Occupancy Prediction Challenge
SAIC AI Lab(上汽人工智能实验室)
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。
2023-06-20 cs.CV
Submission to Generic Event Boundary Detection Challenge@CVPR 2022: Local Context Modeling and Global Boundary Decoding Approach
Nanjing University(南京大学);SenseTime Research(商汤科技研究院);Shanghai AI Laboratory(上海人工智能实验室)
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。
2022-06-30 cs.CV
Generic Event Boundary Detection Challenge at CVPR 2021 Technical Report: Cascaded Temporal Attention Network (CASTANET)
University of Chinese Academy of Sciences(中国科学院大学);Bytedance Inc.(字节跳动公司)
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。
2021-07-01 cs.CV
Results of the 1st Asynchronous CASTLE Challenge at the Joint Egocentric Vision Workshop in Conjunction with CVPR 2026
Dublin City University(都柏林城市大学);JOANNEUM RESEARCH(约阿内研究机构);IT University of Copenhagen(哥本哈根信息技术大学);University of Amsterdam(阿姆斯特丹大学);Klagenfurt University(克拉根福大学)
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
2026-08-25 cs.CV cs.MM
Agriculture-Vision Challenge 2024 -- The Runner-Up Solution for Agricultural Pattern Recognition via Class Balancing and Model Ensemble
Hunan University(湖南大学)
针对Agriculture-Vision挑战赛中数据集类别不平衡问题,该研究提出稀有类采样的mosaic增强、自适应类别权重和概率后处理方法,结合模型集成取得0.547的mIoU,获2024年赛事亚军。
2024-06-18 cs.CV
2nd Place Solution for PVUW Challenge 2024: Video Panoptic Segmentation
ZTE(中兴通讯)
本文提出了一种用于野外视频全景分割的鲁棒集成解决方案,基于DVIS++框架生成初始掩码并引入额外图像语义分割模型,在PVUW Challenge 2024中获得第二名。
2024-06-01 cs.CV
Driving with InternVL: Oustanding Champion in the Track on Driving with Language of the Autonomous Grand Challenge at CVPR 2024
Nanjing University(南京大学)
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。
2024-12-10 cs.CV
Woodscape Fisheye Object Detection for Autonomous Driving -- CVPR 2022 OmniCV Workshop Challenge
Lero - the Irish Software Research Centre(Lero——爱尔兰软件研究中心);Maynooth University(梅努斯大学);Qualcomm(高通公司)
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。
2022-06-26 cs.CV
Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection
Megvii Research(旷视研究院);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Tsinghua University(清华大学)
本报告介绍了我们的方法,该方法赢得了在自动驾驶研讨会(WAD,CVPR 2019)上举行的nuScenes3D检测挑战赛[17]。通常,我们利用稀疏的3D卷积来提取丰富的语义特征,然后将其馈送到类平衡的多头网络中以执行3D目标检测。为了解决自动驾驶场景中固有的严重类别不平衡问题,我们设计了一种类别平衡的采样和增强策略,以生成更平衡的数据分布。此外,我们提出了一个平衡的分组头,以提高性能的类别具有相似的形状。基于挑战结果,我们的方法在所有指标上都比PointPillars [14]基线表现出色,在nuScenes数据集上实现了最先进的检测性能。代码将在CBGS发布。
2019-08-26 cs.CV
A Boosted Model Ensembling Approach to Ball Action Spotting in Videos: The Runner-Up Solution to CVPR'23 SoccerNet Challenge
Research Center for Applied Mathematics and Machine Intelligence(应用数学与机器智能研究中心);Zhejiang Lab(之江实验室)
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。
2023-06-12 cs.CV
Technical Report of RoboSpatial Challenge at CVPR 2026: Selective Reasoning Activation and Reference-Frame Disambiguation for Embodied Spatial Reasoning
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Ruoyu Technology(若愚科技)
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。
2026-07-01 cs.CV
ReferDINO-Plus: 2nd Solution for 4th PVUW MeViS Challenge at CVPR 2025
Sun Yat-sen University(中山大学)
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。
2025-05-29 cs.CV
3rd Place at CVPR 2026 CASTLE Challenge: Agentic Multi-View Long-Context Video Understanding via Hierarchical Knowledge Graph Retrieval
TAHAKOM(塔哈科姆)
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。
2026-06-01 cs.CV
Report on UG^2+ Challenge Track 1: Assessing Algorithms to Improve Video Object Detection and Classification from Unconstrained Mobility Platforms
University of Notre Dame(圣母大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
我们如何有效地设计一个计算机视觉系统,使其能够解释来自无人机等无约束移动平台的视频?一个有希望的选择是利用来自计算摄影领域的图像复原和增强算法,以改进自动视觉识别的方式来改进底层帧的质量。沿着这些思路,需要探索性的工作来找出哪些图像预处理算法,结合最强的特征和监督机器学习方法,是运动模糊,天气和误聚焦等困难场景的良好候选人-所有这些都是无人机获取图像中常见的伪影。本文总结了与IEEE/CVF CVPR 2019联合举办的UG^2+挑战赛第1轨道的协议和结果。该挑战着眼于两个独立的问题:(1)视频中的目标检测改进,以及(2)视频中的对象分类改进。该挑战利用了UG^2(无人机、滑翔机、地面)数据集,这是评估图像复原与增强和视觉识别之间相互作用的既定基准。学术和企业团队提交了16个算法,并详细分析了它们在每个挑战问题上的表现。
2020-11-20 cs.CV
The 1st-place Solution for CVPR 2023 OpenLane Topology in Autonomous Driving Challenge
MEGVII Technology(旷视科技);Beijing Institute of Technology(北京理工大学);University of Science and Technology of China(中国科学技术大学);The University of Hong Kong(香港大学)
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。
2023-06-16 cs.CV
First Place Solution to the CVPR'2023 AQTC Challenge: A Function-Interaction Centric Approach with Spatiotemporal Visual-Language Alignment
Hunan University(湖南大学);Quanzhou Institute of Industrial Design and Machine Intelligence Innovation, Hunan University(湖南大学泉州工业设计与机器智能创新研究院);University of Central Florida(中佛罗里达大学)
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。
2023-06-23 cs.CV
Separating Drone Point Clouds From Complex Backgrounds by Cluster Filter -- Technical Report for CVPR 2024 UG2 Challenge
School of Jianghan University(江汉大学学院)
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。
2024-12-22 cs.CV
Technical Report for CVPR 2022 LOVEU AQTC Challenge
UNIST(蔚山国立科学技术院);Pyler, Inc.(Pyler公司)
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。
2022-06-29 cs.AI cs.CV
A Trajectory-Driven Spatio-Temporal Refinement Solution for CVPR 2026 8th UG2+ Challenge Track 3: DOST
TEX AI, Transsion Holdings(TEX AI,Transsion控股)
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。
2026-06-04 cs.CV
CVPR 2019 WAD Challenge on Trajectory Prediction and 3D Perception
Baidu Research, Baidu Inc(百度研究院,百度公司);Hong Kong Baptist University(香港浸会大学);University of Kentucky(肯塔基大学)
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。
2020-10-15 cs.AI cs.CV eess.IV
Technical Report for the 5th CLVision Challenge at CVPR: Addressing the Class-Incremental with Repetition using Unlabeled Data -- 4th Place Solution
Tech Hive Labs(Tech Hive实验室);National Technical University of Athens(雅典国家技术大学);Archimedes/Athena Research Center(阿基米德/雅典娜研究中心)
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。
2025-03-19 cs.CV
1st Solution Places for CVPR 2023 UG$^{\textbf{2}}$+ Challenge Track 2.1-Text Recognition through Atmospheric Turbulence
Huazhong University of Science and Technology(华中科技大学)
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。
2023-06-15 cs.CV
Technical Report of NICE Challenge at CVPR 2024: Caption Re-ranking Evaluation Using Ensembled CLIP and Consensus Scores
School of Industrial and Management Engineering, Korea University(高丽大学工业与管理工程学院)
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。
2024-06-13 cs.CV
Masked Autoencoders for Generic Event Boundary Detection CVPR'2022 Kinetics-GEBD Challenge
Tencent Holdings Ltd(腾讯控股有限公司);Tsinghua University(清华大学)
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。
2022-06-17 cs.CV
Restormer-Plus for Real World Image Deraining: One State-of-the-Art Solution to the GT-RAIN Challenge (CVPR 2023 UG2+ Track 3)
Research Center for Applied Mathematics and Machine Intelligence(应用数学与机器智能研究中心);Zhejiang Lab(之江实验室)
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。
2024-10-11 cs.CV
Winning the CVPR'2022 AQTC Challenge: A Two-stage Function-centric Approach
University of Science and Technology of China(中国科学技术大学)
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。
2022-06-22 cs.CV cs.MM
A Two-Stage Real Image Deraining Method for GT-RAIN Challenge CVPR 2023 Workshop UG$^{\textbf{2}}$+ Track 3
Huazhong University of Science and Technology(华中科技大学)
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。
2023-05-13 cs.CV
The 1st PortraitCraft Challenge: A CVPR 2026 Workshop Competition on Portrait Composition Understanding and Generation
CVPR 2026
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。
2026-06-09 cs.CV
SuperAD: A Training-free Anomaly Classification and Segmentation Method for CVPR 2025 VAND 3.0 Workshop Challenge Track 1: Adapt & Detect
School of Computer Science and Engineering, Southeast University, China(东南大学计算机科学与工程学院);School of Computer Science and Engineering, Nanjing University of Science and Technology, China(南京理工大学计算机科学与工程学院)
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。
2025-05-27 cs.CV
The Second Place Solution for The 4th Large-scale Video Object Segmentation Challenge--Track 3: Referring Video Object Segmentation
Ant Group(蚂蚁集团);Northwestern Polytechnical University(西北工业大学);Tongji University(同济大学)
引用视频对象分割任务(RVOS)的目的是在所有视频帧中分割由语言表达式引用的给定视频中的对象实例。由于需要理解各个实例中的跨模态语义,因此这项任务比传统的半监督视频对象分割更具挑战性,在传统的半监督视频对象分割中,第一帧中的地面真实对象掩码被给定。随着Transformer在目标检测和目标分割方面的巨大成就,RVOS也取得了显著的进步,其中ReferFormer达到了最先进的性能。在这项工作中,基于强大的基线框架-ReferFormer,我们提出了几个技巧,以进一步提高,包括循环学习率,半监督的方法,和测试时增强推理。改进后的ReferFormer在CVPR 2022推荐Youtube-VOS挑战赛中排名第二。
2022-06-24 cs.CV cs.MM
Winner of CVPR2026 NTIRE Challenge on Image Shadow Removal: Semantic and Geometric Guidance for Shadow Removal via Cascaded Refinement
Austrian Institute of Technology(奥地利理工学院);Technical University of Munich(慕尼黑技术大学);University of Cambridge(剑桥大学);University of Würzburg(乌尔姆大学)
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。
2026-04-21 cs.CV
1st Solution Places for CVPR 2023 UG$^2$+ Challenge Track 2.2-Coded Target Restoration through Atmospheric Turbulence
Huazhong University of Science and Technology(华中科技大学)
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。
2023-06-15 cs.CV
The Solution for the CVPR2024 NICE Image Captioning Challenge
Nanjing University of Science and Technology(南京理工大学);Alibaba(阿里巴巴)
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。
2024-04-29 cs.CV
EgoAdapt: A Multi-Scene Egocentric Adaptation Method for CVPR 2026 HD-EPIC VQA Challenge
Shandong University(山东大学);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳))
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。
2026-06-04 cs.CV
A Solution to CVPR'2023 AQTC Challenge: Video Alignment for Multi-Step Inference
University of Science and Technology of China(中国科学技术大学)
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。
2023-06-26 cs.CV cs.MM
1st Place Solution for MeViS Track in CVPR 2024 PVUW Workshop: Motion Expression guided Video Segmentation
University of Warwick(华威大学);Southern University of Science and Technology(南方科技大学);University of Sheffield(谢菲尔德大学)
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。
2024-06-11 cs.CV
MetaFood CVPR 2024 Challenge on Physically Informed 3D Food Reconstruction: Methods and Results
Purdue University(普渡大学);University of Waterloo(滑铁卢大学);National Research Council Canada(加拿大国家研究委员会);Universitat de Barcelona(巴塞罗那大学);Beijing Institute of Technology(北京理工大学);Baidu Inc.(百度公司);XPeng Motors(小鹏汽车);Beijing University of Posts and Telecommunications(北京邮电大学)
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。
2024-07-12 cs.CV
TempRet: Temporal Enhancement and Two-Stage Reranking for CVPR 2026 EPIC-KITCHENS-100 Multi-Instance Retrieval Challenge
Shandong University(山东大学);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳))
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。
2026-06-04 cs.CV
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。
2023-09-11 cs.CV