Comprehensive Survey of Model Compression and Speed up for Vision Transformers
Coupang;Oracle(甲骨文公司);Bazaarvoice Inc.(Bazaarvoice 公司);Carnegie Mellon University(卡内基梅隆大学)
该综述针对ViT计算与内存需求高、部署难的问题,评估了量化、低秩近似等四种压缩技术及其组合的优化效果,验证了其可平衡精度与效率,助力ViT在边缘设备的应用。
2024-04-16 cs.CV
A Comprehensive Survey on Federated Learning: Concept and Applications
AL-Qadisiyah University(卡迪西亚大学)
本文对联邦学习(FL)的组成、挑战、应用和FL环境进行了全面的研究。FL可以应用于现实生活中的多个领域和领域的模型。在医疗系统中,患者记录和他们的医疗状况的隐私是关键数据,因此协作学习或联邦学习进入画面。另一方面,建立一个智能系统,帮助医务人员在不共享数据的情况下,引入FL概念,其中一个应用是基于AI方法的脑肿瘤诊断智能系统,可以在协作环境中有效地工作。本文将介绍FL概念下在医学领域的一些应用和相关工作,然后对其进行总结,介绍主要的研究内容和方法。他们工作的局限性。
2022-01-23 cs.CV
Deep Learning-based Depth Estimation Methods from Monocular Image and Videos: A Comprehensive Survey
Murdoch University(默多克大学);The University of Western Australia(西澳大学)
本文综述了基于深度学习的单目图像与视频深度估计方法,涵盖其分类、架构演变、挑战、里程碑、数据集与评估指标,反映了该领域十年间的快速发展。
2024-06-28 cs.CV
A Comprehensive Survey on Knowledge Distillation
Sharif University of Technology(谢里夫科技大学)
本文全面综述了知识蒸馏(KD)方法,从蒸馏源、方案、算法、模态及应用等新视角分类探讨了扩散模型、基础模型、transformers和LLMs等最新子类别,并讨论了现有挑战与未来方向。
2025-10-11 cs.CV
A Comprehensive Survey on Pose-Invariant Face Recognition
University of Technology, Sydney(悉尼科技大学)
在各种姿势下识别人脸的能力是人类的基本能力,这对计算机视觉系统提出了独特的挑战。相对于近几十年来被广泛研究并逐渐成熟的正面人脸识别,姿态不变人脸识别(PIFR)仍然是一个很大程度上尚未解决的问题。然而,PIFR对于实现人脸识别在现实世界应用中的全部潜力至关重要,因为人脸识别本质上是一种用于识别不合作主体的被动生物特征识别技术。在本文中,我们讨论了固有的困难PIFR,并提出了一个全面的审查已建立的技术。现有的PIFR方法可以分为四类,即,姿态鲁棒特征提取方法、多视图子空间学习方法、面部合成方法和混合方法。的动机,战略,优点/缺点,和代表性的方法的性能进行了描述和比较。此外,有前途的未来研究方向进行了讨论。
2016-07-16 cs.CV
Low-Light Image and Video Enhancement: A Comprehensive Survey and Beyond
Carnegie Mellon University(卡内基梅隆大学);New York University(纽约大学);Wenzhou-Kean University(温州肯恩大学)
本文综述了低光照图像与视频增强领域,针对混合曝光问题提出了SICE_Grad和SICE_Mix数据集,并构建了大规模视频数据集Night Wenzhou,通过对比实验与关键技术分析指出了未来研究方向。
2024-01-01 cs.CV
A Comprehensive Survey of Transformers for Computer Vision
Sejong University(世宗大学)
作为一种特殊的Transformer,视觉变换器(Vision Transformers,ViTs)被广泛应用于图像识别等计算机视觉领域。卷积神经网络(CNN)有几个潜在的问题可以用ViT来解决。对于压缩、超分辨率、分割和去噪等图像编码任务,使用ViT的不同变体。本调查的目的是介绍ViTs在CV中的首次应用。据我们所知,这项调查是第一次针对简历的ViTs调查。在第一步中,我们对ViT适用的不同CV应用进行分类。CV应用包括图像分类、目标检测、图像分割、图像压缩、图像超分辨率、图像去噪和异常检测。我们的下一步是审查每个类别的最新技术水平,并列出可用的模型。接下来,我们对每种模式进行了详细的分析和比较,并列出了其优缺点。之后,我们提出了我们对每个类别的见解和经验教训。此外,我们还讨论了几个开放的研究挑战和未来的研究方向。
2022-11-11 cs.CV
A Comprehensive Survey of Action Quality Assessment: Method and Benchmark
本文综述了动作质量评估的最新进展,提出模态驱动的分层分类体系,建立统一基准,分析方法演变和研究趋势,探讨当前挑战与未来方向。
2026-05-16 cs.CV
Unsupervised Domain Adaptation for Semantic Image Segmentation: a Comprehensive Survey
Naver Labs Europe
语义分割在各种计算机视觉应用中起着基础性的作用,为图像的全局理解提供关键信息。然而,最先进的模型依赖于大量的注释样本,这是更昂贵的获得任务,如图像分类。由于无标签数据的获取成本要低得多,因此无监督领域自适应在语义分割社区中取得广泛成功也就不足为奇了。本调查旨在总结这一快速增长领域五年来的发展,其中包括语义分割本身的重要性以及使分割模型适应新环境的迫切需要。我们提出了最重要的语义分割方法,我们提供了一个全面的调查语义分割的领域自适应技术,我们揭示了新的趋势,如多领域学习,领域泛化,测试时自适应或无源领域自适应,我们通过描述最广泛使用的数据集和基准在语义分割研究结束这项调查。我们希望这项调查将为学术界和工业界的研究人员提供全面的参考指南,并帮助他们在该领域培育新的研究方向。
2021-12-06 cs.AI cs.CV
Video Skimming: Taxonomy and Comprehensive Survey
Indian Institute of Technology Roorkee(印度理工学院鲁尔基分校);Indian Institute of Technology Kharagpur(印度理工学院卡拉格普尔分校)
视频略读,也称为动态视频摘要,生成给定视频的时间删节版本。略读可以通过识别从视频中提取的单模态或多模态特征中的重要成分来实现。视频浏览本质上是动态的,通过时间连接,可以从摘要中更好地理解视频。有这个明显的优势,最近,视频略读已经吸引了许多研究人员的焦点受益于所需的计算资源的容易获得性。在本文中,我们提供了一个全面的调查,视频略读集中在大量的文献,从过去的十年。我们提出了一个分类的视频略读方法,并讨论了其演变突出的关键进展。我们还提供了一个视频略读性能的评估所需的组件上的研究。
2019-09-21 cs.CV eess.IV
Adversarial Examples on Object Recognition: A Comprehensive Survey
Radboud University(拉德堡德大学);Leiden University(莱顿大学)
深度神经网络处于机器学习研究的前沿。然而,尽管它们在复杂任务上取得了令人印象深刻的性能,但它们可能非常敏感:输入的微小扰动可能足以引起不正确的行为。这种扰动称为对抗性示例,旨在测试网络对分布漂移的敏感性。由于它们的规模小得惊人,大量的文献都在讨论它们的存在以及如何缓解这一现象。在这篇文章中,我们讨论了对抗性示例对神经网络的安全性、安全性和鲁棒性的影响。我们首先介绍它们存在背后的假设,用于构建或保护它们的方法,以及在不同机器学习模型之间传输对抗性示例的能力。总而言之,我们的目标是提供一个全面的和独立的调查这一不断增长的研究领域。
2020-09-03 cs.CV cs.LG
A Comprehensive Survey and Taxonomy on Single Image Dehazing Based on Deep Learning
Southeast University(东南大学);Purple Mountain Laboratories(紫金山实验室);Ocean University of China(中国海洋大学);Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);Anhui University(安徽大学);The University of Sydney(悉尼大学);JD Explore Academy(京东探索研究院)
随着卷积神经网络的发展,已经提出了数百种基于深度学习的去雾方法。在本文中,我们提供了一个全面的调查监督,半监督和无监督的单图像去雾。我们首先讨论物理模型,数据集,网络模块,损失函数,和评估指标,是常用的。然后,对各种去雾算法的主要贡献进行了分类和总结。此外,定量和定性实验的各种基线方法进行。最后指出了有待解决的问题和挑战,对今后的研究具有启发意义。在\url{https://github.com/Xiaofeng-life/AwesomeDehazing}上可以找到一系列有用的除雾材料。
2022-12-20 cs.CV cs.LG
A Comprehensive Survey on Deep Neural Image Deblurring
The University of Tennessee(田纳西大学)
本文全面综述了深度神经网络在盲与非盲图像去模糊领域的最新进展,梳理了常用网络结构、性能指标与数据集,分析了当前挑战并提出未来研究方向。
2023-10-07 cs.CV eess.IV
Comprehensive Literature Survey on Deep Learning used in Image Memorability Prediction and Modification
Indira Gandhi Delhi Technical University for Women(英迪拉·甘地德里女子技术大学)
作为人类,我们可以非常详细地记住某些视觉效果,有时甚至在看过一次之后。更有趣的是,人类倾向于记住和忘记相同的东西,这表明图像可能有一些一般的内部特征来编码和丢弃类似类型的信息。研究表明,有些图片往往比其他图片更容易记住。图像被不同的观看者记住的能力是其内在属性之一。在可视化和摄影中,创造令人难忘的图像是一项艰巨的任务。因此,为了解决这个问题,各种技术预测视觉记忆和操纵图像的记忆。我们提出了一个全面的文献调查,以评估用于预测和修改记忆力的深度学习技术。特别是,我们分析了使用卷积神经网络,递归神经网络和生成对抗网络的图像记忆预测和修改。
2023-01-18 cs.CV cs.LG
Secure and Robust Watermarking for AI-generated Images: A Comprehensive Survey
本文综述了AI生成图像水印技术,从系统形式化、方法比较、评估指标、安全漏洞及未来挑战等方面系统分析,为研究者提供全面理解以推动安全可信的AI生成内容发展。
2026-03-15 cs.CR cs.CV
Preference Alignment on Diffusion Model: A Comprehensive Survey for Image Generation and Editing
University of Liverpool(利物浦大学);Institute of Software Chinese Academy of Sciences(中国科学院软件研究所);University of Edinburgh(爱丁堡大学);University of Bristol(布里斯托大学);University of Exeter(埃克塞特大学)
本文针对扩散模型与偏好对齐交叉领域缺乏系统综述的问题,全面调研了相关优化技术(如RLHF、DPO)及其在图像生成与编辑中的应用,是该主题首篇综述,为未来创新提供见解。
2025-02-10 cs.CV cs.LG
Passive Deepfake Detection Across Multi-modalities: A Comprehensive Survey
University College Dublin(都柏林大学学院);Trinity College Dublin(都柏林圣三一学院);University of Science(科学大学)
本文全面综述了跨图像、视频、音频和多模态的被动深度伪造检测方法,分析了泛化、鲁棒性、归因等真实部署维度及现有数据集与指标,并提出了未来研究方向。
2025-04-05 cs.CR cs.CV
Explainable Artificial Intelligence in Biomedical Image Analysis: A Comprehensive Survey
Griffith University(格里菲斯大学);University of Southern Queensland(南部昆士兰大学)
本综述填补了生物医学图像分析中XAI缺乏模态感知视角的空白,提出以模态为中心的分类法,探讨多模态与视觉语言模型的可解释性,并总结评估指标、开源框架及未来方向。
2025-07-09 cs.CV cs.LG
A Comprehensive Survey on Concept Erasure in Text-to-Image Diffusion Models
Soongsil University(松趾大学);University of Virginia(弗吉尼亚大学)
本文系统综述了文本到图像扩散模型中的概念擦除技术,按优化策略和修改组件对方法进行分类,并涵盖对抗攻击、防御、数据集与评估基准,为该领域研究提供全面参考。
2025-06-06 cs.AI cs.CV
A Comprehensive Survey of Image-Based Food Recognition and Volume Estimation Methods for Dietary Assessment
University of Malaya(马来亚大学)
饮食研究显示,与饮食有关的问题,如肥胖,与其他慢性疾病有关,如高血压、不规则的血糖水平和心脏病发作的风险增加。这些问题的主要原因是不良的生活方式选择和不健康的饮食习惯,这些都是可以使用交互式mHealth应用程序进行管理的。然而,使用人工食物记录的传统饮食监测系统存在不精确、漏报、耗时和低依从性的问题。最近的饮食监测系统通过机器学习方法自动评估饮食摄入量来应对这些挑战。本调查讨论了迄今为止为自动食物识别和体积估计开发的最有效的方法。首先,我们将介绍基于视觉的食品识别方法的基本原理。本文的核心是介绍,讨论和评价这些方法对流行的食品图像数据库。接下来,我们讨论了实现这些方法的移动应用程序。调查最后讨论了这一领域的研究差距和开放问题。
2021-09-03 cs.CV eess.IV
Transformer-based Spatial Grounding: A Comprehensive Survey
School of Intelligent Manufacturing, South China University of Technology(华南理工大学智能制造学院);Department of Software Engineering, University of Engineering & Technology(工程大学软件工程系)
本文系统综述了2018至2025年基于Transformer的空间定位方法,梳理主流架构、数据集、评估指标及工业应用趋势,为构建稳健实用的模型提供指导。
2025-07-17 cs.AI cs.CV
3D Scanning: A Comprehensive Survey
University of Tartu(塔尔图大学);Hasan Kalyoncu University(哈桑·卡利永朱大学);Trinity College Dublin (TCD)(都柏林大学三一学院)
本文概述了现有科学和工业文献中提出的3D扫描方法和技术。本文综述了近距离、航空、运动恢复结构和地面摄影测量技术,移动、地面和机载激光扫描技术,以及飞行时间、结构光和相位比较技术,并进行了比较和组合研究。后者旨在帮助更清楚地区分可能选择的相关性和可靠性。此外,还简要讨论了异常点检测和曲面拟合过程,这是必要的后处理阶段。
2018-01-24 cs.CV cs.GR
A Comprehensive Survey of Deep Learning for Image Captioning
Murdoch University(莫道克大学)
生成图像的描述被称为图像描述。图像描述需要识别图像中的重要对象及其属性和关系。它还需要生成语法和语义正确的句子。基于深度学习的技术能够处理图像描述的复杂性和挑战。在这篇调查论文中,我们旨在对现有的基于深度学习的图像描述技术进行全面回顾。我们讨论了技术的基础,分析其性能,优势和局限性。我们还讨论了基于深度学习的自动图像描述中常用的数据集和评估指标。
2018-10-14 cs.CV cs.LG stat.ML
Automated Speaker Independent Visual Speech Recognition: A Comprehensive Survey
该综述梳理1990-2023年说话人无关视觉语音识别的发展历程,涵盖数据集、预处理技术等内容,对比各类方法的优劣,指明前沿进展与未来研究方向。
2023-06-14 cs.AI cs.CV
Open-Source Ground-based Sky Image Datasets for Very Short-term Solar Forecasting, Cloud Analysis and Modeling: A Comprehensive Survey
Stanford University(斯坦福大学);University of Cambridge(剑桥大学);Engie Lab CRIGEN(昂热集团CRIGEN实验室);Universität Salzburg(萨尔茨堡大学);Université Bretagne Sud(南布列塔尼大学)
使用深度学习的基于天空图像的太阳能预测已被认为是减少太阳能发电不确定性的一种有前途的方法。然而,最大的挑战之一是缺乏大量和多样化的天空图像样本。在这项研究中,我们提出了一个全面的调查开源地基天空图像数据集非常短期的太阳预报(即,预测范围小于30分钟),以及可能有助于改进太阳预测方法的相关研究领域,包括云分割,云分类和云运动预测。我们首先确定了72个开源天空图像数据集,这些数据集满足了机器/深度学习的需求。然后,构建关于所识别的数据集的各个方面的信息的数据库。为了评估每个调查数据集,我们进一步开发了一个基于数据集8个维度的多标准排名系统,这些维度可能对数据的使用产生重要影响。最后,我们提供了关于这些数据集在不同应用中的使用的见解。我们希望本文可以为那些正在寻找非常短期的太阳预报和相关领域的数据集的研究人员提供一个概述。
2022-12-01 cs.AI cs.CV
Latest Advancements Towards Catastrophic Forgetting under Data Scarcity: A Comprehensive Survey on Few-Shot Class Incremental Learning
University of South Australia(南澳大学);University of Ljubljana(卢布尔雅那大学)
本文综述少样本类别增量学习(FSCIL)的最新进展,涵盖其目标、原型修正、预训练模型及语言引导新范式、性能分析与实际应用,提出挑战、解决方案与未来方向,助力应对数据稀缺下的持续学习问题。
2025-02-12 cs.AI cs.CV cs.LG
Towards Efficient Large Vision-Language Models: A Comprehensive Survey on Inference Strategies
George Mason University(乔治梅森大学)
本文综述了提升大型视觉语言模型推理效率的最新方法,从视觉token压缩、内存管理、架构设计和解码策略四个维度进行分类,并指出当前方法的局限性及未来研究方向。
2026-04-11 cs.CL cs.CV cs.LG
A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning
University of Maryland(马里兰大学);Northeastern University(东北大学);Sun Yat-sen University(中山大学)
本文综述了持续学习之外的深度学习遗忘现象,指出遗忘在生成模型和联邦学习等领域普遍存在,并强调其不仅是挑战,在隐私保护等场景下也具潜在优势,旨在促进跨领域解决方案与新策略的开发。
2024-11-18 cs.AI cs.CV cs.LG
A Comprehensive Survey on Source-free Domain Adaptation
University of Electronic Science and Technology of China(电子科技大学)
在过去的十年中,领域自适应已经成为迁移学习的一个广泛研究的分支,其目的是通过利用来自源领域的知识来提高目标领域的性能。传统的领域自适应方法通常假设同时访问源和目标域数据,由于隐私和机密性问题,这在现实世界的场景中可能是不可行的。因此,无源领域自适应(SFDA)的研究近年来受到越来越多的关注,它只利用源训练的模型和未标记的目标数据来适应目标领域。尽管国家药监局的工作迅速展开,但在该领域却没有及时、全面的调查。为了填补这一空白,我们提供了一个全面的调查,在SFDA的最新进展,并组织成一个统一的分类方案的基础上的框架迁移学习。我们不是单独介绍每种方法,而是将每种方法的几个组件模块化,以便根据每种方法的复合属性更清楚地说明它们的关系和机制。此外,我们比较了30多个有代表性的SFDA方法的结果在三个流行的分类基准,即Office-31,家庭和VisDA,探讨各种技术路线的有效性和它们之间的组合效应。此外,我们还简要介绍了SFDA的应用及相关领域。从我们对SFDA面临的挑战的分析中,我们对未来的研究方向和潜在的环境提供了一些见解。
2023-02-23 cs.CV cs.LG cs.MM
Learning-Driven Lossy Image Compression; A Comprehensive Survey
Sejong University(世宗大学);Polytechnique Montreal(蒙特利尔理工学院)
在图像处理和计算机视觉(CV)领域中,机器学习(ML)架构被广泛应用。卷积神经网络(CNN)解决了广泛的图像处理问题,可以解决图像压缩问题。由于带宽和内存的限制,图像的压缩是必要的。有用信息、冗余信息和无关信息是图像中存在的三种不同形式的信息。本文旨在调查使用ML架构的主要有损图像压缩的最新技术,包括不同的自动编码器(AE),如卷积自动编码器(CAE),变分自动编码器(VAE),以及具有超先验模型的AE,递归神经网络(RNN),CNN,生成对抗网络(GANs),主成分分析(PCA)和模糊均值聚类。我们把所有的算法分为几组的基础上架构。我们涵盖了静态图像压缩在这个调查。强调了研究人员的各种发现以及研究人员未来可能的方向。解释了开放研究问题,如内存不足(OOM),条纹区域失真(SRD),混叠,以及框架与中央处理器(CPU)和图形处理器(GPU)同时兼容。所调查的压缩领域的大多数出版物都来自过去五年,并使用了各种方法。
2022-01-23 cs.AI cs.CV cs.MM
A Comprehensive Survey on Deep-Learning-based Vehicle Re-Identification: Models, Data Sets and Challenges
Hacettepe University(哈杰泰佩大学);University of Zanjan(赞詹大学)
本文系统综述基于深度学习的车辆 ReID 方法,梳理监督与无监督研究、数据集、评价标准及未来挑战,为相关研究和应用提供参考。
2024-01-19 cs.AI cs.CV cs.LG