当前位置： 首页 > news >正文

CV计算机视觉每日开源代码Paper with code速览-2023.12.6

news 2026/2/10 12:52:32

点击@计算机视觉，关注更多CV干货

论文已打包，点击进入—>下载界面

点击加入—>CV计算机视觉交流群

1.【基础网络架构：Transformer】Rejuvenating image-GPT as Strong Visual Representation Learners

  • 论文地址：https://arxiv.org//pdf/2312.02147

  • 开源代码：https://github.com/OliverRensu/D-iGPT

2.【基础网络架构：Transformer】Bootstrapping SparseFormers from Vision Foundation Models

  • 论文地址：https://arxiv.org//pdf/2312.01987

  • 开源代码：https://github.com/showlab/sparseformer

3.【异常检测】Unsupervised Anomaly Detection using Aggregated Normative Diffusion

  • 论文地址：https://arxiv.org//pdf/2312.01904

  • 开源代码：https://github.com/alexanderfrotscher/ANDi

4.【视频异常检测】Dynamic Erasing Network Based on Multi-Scale Temporal Features for Weakly Supervised Video Anomaly Detection

  • 论文地址：https://arxiv.org//pdf/2312.01764

  • 开源代码（即将开源）：https://github.com/ArielZc/DE-Net

5.【图像分割】UniGS: Unified Representation for Image Generation and Segmentation

  • 论文地址：https://arxiv.org//pdf/2312.01985

  • 开源代码（即将开源）：https://github.com/qqlu/Entity

6.【语义分割】Generalization by Adaptation: Diffusion-Based Domain Extension for Domain-Generalized Semantic Segmentation

  • 论文地址：https://arxiv.org//pdf/2312.01850

  • 开源代码（即将开源）：https://github.com/JNiemeijer/DIDEX

7.【人脸识别】Effective Adapter for Face Recognition in the Wild

  • 论文地址：https://arxiv.org//pdf/2312.01734

  • 工程主页：Effective Adapter for Face Recognition in the Wild

  • 开源代码（即将开源）：https://github.com/liuyunhaozz/faceadapter/

8.【医学图像分割】MobileUtr: Revisiting the relationship between light-weight CNN and Transformer for efficient medical image segmentation

  • 论文地址：https://arxiv.org//pdf/2312.01740

  • 开源代码（即将开源）：https://github.com/FengheTan9/MobileUtr

9.【视频超分辨率重建】Motion-Guided Latent Diffusion for Temporally Consistent Real-world Video Super-resolution

  • 论文地址：https://arxiv.org//pdf/2312.00853

  • 开源代码（即将开源）：https://github.com/IanYeung/MGLD-VSR

10.【图像增强】Enhancing and Adapting in the Clinic: Source-free Unsupervised Domain Adaptation for Medical Image Enhancement

  • 论文地址：https://arxiv.org//pdf/2312.01338

  • 开源代码：https://github.com/liamheng/Annotation-free-Medical-Image-Enhancement

11.【动作识别】DST-Adapter: Disentangled-and-Deformable Spatio-Temporal Adapter for Few-shot Action Recognition

  • 论文地址：https://arxiv.org//pdf/2312.01431

  • 开源代码（即将开源）：https://github.com/qizhongtan/D2ST-Adapter

12.【多模态】Aligning and Prompting Everything All at Once for Universal Visual Perception

  • 论文地址：https://arxiv.org//pdf/2312.02153

  • 开源代码：https://github.com/shenyunhang/APE

13.【多模态】Object Recognition as Next Token Prediction

  • 论文地址：https://arxiv.org//pdf/2312.02142

  • 开源代码：https://github.com/kaiyuyue/nxtp

14.【多模态】Mitigating Fine-Grained Hallucination by Fine-Tuning Large Vision-Language Models with Caption Rewrites

  • 论文地址：https://arxiv.org//pdf/2312.01701

  • 开源代码：https://github.com/Anonymousanoy/FOHE

15.【多模态】Good Questions Help Zero-Shot Image Reasoning

  • 论文地址：https://arxiv.org//pdf/2312.01598

  • 开源代码：https://github.com/kai-wen-yang/QVix

16.【多模态】Unveiling the Power of Audio-Visual Early Fusion Transformers with Dense Interactions through Masked Modeling

  • 论文地址：https://arxiv.org//pdf/2312.01017

  • 开源代码（即将开源）：https://github.com/stoneMo/DeepAVFusion

17.【多模态】Segment and Caption Anything

  • 论文地址：https://arxiv.org//pdf/2312.00869

  • 工程主页：Segment and Caption Anything

  • 开源代码：https://github.com/xk-huang/segment-caption-anything

18.【多模态】VMC: Video Motion Customization using Temporal Attention Adaption for Text-to-Video Diffusion Models

  • 论文地址：https://arxiv.org//pdf/2312.00845

  • 工程主页：VMC

  • 开源代码：https://github.com/HyeonHo99/Video-Motion-Customization

19.【多模态】A Challenging Multimodal Video Summary: Simultaneously Extracting and Generating Keyframe-Caption Pairs from Video

  • 论文地址：https://arxiv.org//pdf/2312.01575

  • 开源代码：https://github.com/keitokudo/Multi-VidSum

20.【数字人】GaussianAvatar: Towards Realistic Human Avatar Modeling from a Single Video via Animatable 3D Gaussians

  • 论文地址：https://arxiv.org//pdf/2312.02134

  • 工程主页：Projectpage of GaussianAvatar

  • 开源代码（即将开源）：https://github.com/huliangxiao/GaussianAvatar

21.【数字人】VividTalk: One-Shot Audio-Driven Talking Head Generation Based on 3D Hybrid Prior

  • 论文地址：https://arxiv.org//pdf/2312.01841

  • 工程主页：VividTalk: One-Shot Audio-Driven Talking Head Generation Based 3D Hybrid Prior

  • 开源代码（即将开源）：https://github.com/HumanAIGC/VividTalk

22.【数字人】3DiFACE: Diffusion-based Speech-driven 3D Facial Animation and Editing

  • 论文地址：https://arxiv.org//pdf/2312.00870

  • 工程主页：3DiFACE: Diffusion-based Speech-driven 3D Facial Animation and Editing

  • 开源代码（即将开源）：https://github.com/bala1144/3DiFACE

23.【半监督学习】Virtual Category Learning: A Semi-Supervised Learning Method for Dense Prediction with Extremely Limited Labels

  • 论文地址：https://arxiv.org//pdf/2312.01169

  • 开源代码：https://github.com/GeoffreyChen777/VC

24.【深度估计】Repurposing Diffusion-Based Image Generators for Monocular Depth Estimation

  • 论文地址：https://arxiv.org//pdf/2312.02145

  • 工程主页：Marigold: Repurposing Diffusion-Based Image Generators for Monocular Depth Estimation

  • 开源代码：https://github.com/prs-eth/marigold

25.【深度估计】Deeper into Self-Supervised Monocular Indoor Depth Estimation

  • 论文地址：https://arxiv.org//pdf/2312.01283

  • 开源代码：https://github.com/fcntes/IndoorDepth

26.【场景补全】PaSCo: Urban 3D Panoptic Scene Completion with Uncertainty Awareness

  • 论文地址：https://arxiv.org//pdf/2312.02158

  • 工程主页：PaSCo: Urban 3D Panoptic Scene Completion with Uncertainty Awareness

  • 开源代码（即将开源）：https://github.com/astra-vision/PaSCo

27.【风格迁移】Multimodality-guided Image Style Transfer using Cross-modal GAN Inversion

  • 论文地址：https://arxiv.org//pdf/2312.01671

  • 工程主页：Multimodality-guided Image Style Transfer using Cross-modal GAN Inversion

  • 代码即将开源

28.【Diffusion】Readout Guidance: Learning Control from Diffusion Features

  • 论文地址：https://arxiv.org//pdf/2312.02150

  • 工程主页：Readout Guidance: Learning Control from Diffusion Features

  • 代码即将开源

29.【Diffusion】ResEnsemble-DDPM: Residual Denoising Diffusion Probabilistic Models for Ensemble Learning

  • 论文地址：https://arxiv.org//pdf/2312.01682

  • 开源代码（即将开源）：https://github.com/nkicsl/ResEnsemble-DDPM

30.【Diffusion】DeepCache: Accelerating Diffusion Models for Free

  • 论文地址：https://arxiv.org//pdf/2312.00858

  • 开源代码：https://github.com/horseee/DeepCache

31.【网络剪枝】Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective

  • 论文地址：https://arxiv.org//pdf/2312.01397

  • 开源代码：https://github.com/UNITES-Lab/VPNs

32.【网络剪枝】Physics Inspired Criterion for Pruning-Quantization Joint Learning

  • 论文地址：https://arxiv.org//pdf/2312.00851

  • 开源代码：https://github.com/fanxxxxyi/PIC-PQ

33.【姿态估计】Object 6D pose estimation meets zero-shot learning

  • 论文地址：https://arxiv.org//pdf/2312.00947

  • 工程主页：PoMZ: Object 6D Pose Estimation Meets Zero-Shot Learning

  • 代码即将开源

34.【NeRF】Mesh-Guided Neural Implicit Field Editing

  • 论文地址：https://arxiv.org//pdf/2312.02157

  • 工程主页：Mesh-Guided Neural Implicit Field Editing

  • 开源代码（即将开源）：https://github.com/cassiePython/MNeuEdit/tree/master

35.【NeRF】SANeRF-HQ: Segment Anything for NeRF in High Quality

  • 论文地址：https://arxiv.org//pdf/2312.01531

  • 工程主页：SANeRF-HQ

  • 开源代码（即将开源）：https://github.com/lyclyc52/SANeRF-HQ

36.【NeRF】VideoRF: Rendering Dynamic Radiance Fields as 2D Feature Video Streams

  • 论文地址：https://arxiv.org//pdf/2312.01407

  • 工程主页：VideoRF: Rendering Dynamic Radiance Fields as 2D Feature Video Streams

  • 开源代码（即将开源）：https://github.com/aoliao12138/VideoRF

37.【NeRF】Self-Evolving Neural Radiance Fields

  • 论文地址：https://arxiv.org//pdf/2312.01003

  • 工程主页：SE-NeRF

  • 开源代码（即将开源）：https://github.com/KU-CVLAB/SE-NeRF

38.【图像合成】DiffiT: Diffusion Vision Transformers for Image Generation

  • 论文地址：https://arxiv.org//pdf/2312.02139

  • 开源代码：https://github.com/NVlabs/DiffiT

39.【图像合成】Style Aligned Image Generation via Shared Attention

  • 论文地址：https://arxiv.org//pdf/2312.02133

  • 工程主页：StyleAlign

  • 开源代码：https://github.com/google/style-aligned/

40.【人脸重建】DPHMs: Diffusion Parametric Head Models for Depth-based Tracking

  • 论文地址：https://arxiv.org//pdf/2312.01068

  • 工程主页：DPHMs: Diffusion Parametric Head Models for Depth-based Tracking

  • 开源代码（即将开源）：https://github.com/tangjiapeng/DPHMs

41.【图像检索】Language-only Efficient Training of Zero-shot Composed Image Retrieval

  • 论文地址：https://arxiv.org//pdf/2312.01998

  • 开源代码：https://github.com/navervision/lincir

42.【Visual Question Answering】How to Configure Good In-Context Sequence for Visual Question Answering

  • 论文地址：https://arxiv.org//pdf/2312.01571

  • 开源代码：https://github.com/GaryJiajia/OFv2_ICL_VQA

论文已打包，下载链接

CV计算机视觉交流群

群内包含目标检测、图像分割、目标跟踪、Transformer、多模态、NeRF、GAN、缺陷检测、显著目标检测、关键点检测、超分辨率重建、SLAM、人脸、OCR、生物医学图像、三维重建、姿态估计、自动驾驶感知、深度估计、视频理解、行为识别、图像去雾、图像去雨、图像修复、图像检索、车道线检测、点云目标检测、点云分割、图像压缩、运动预测、神经网络量化、网络部署等多个领域的大佬，不定期分享技术知识、面试技巧和内推招聘信息。

想进群的同学请添加微信号联系管理员：PingShanHai666。添加好友时请备注：学校/公司+研究方向+昵称。

推荐阅读：

CV计算机视觉每日开源代码Paper with code速览-2023.12.5

CV计算机视觉每日开源代码Paper with code速览-2023.12.4

CV计算机视觉每日开源代码Paper with code速览-2023.12.1

相关文章：

CV计算机视觉每日开源代码Paper with code速览-2023.12.6

点击计算机视觉，关注更多CV干货 论文已打包，点击进入—>下载界面 点击加入—>CV计算机视觉交流群 1.【基础网络架构：Transformer】Rejuvenating image-GPT as Strong Visual Representation Learners 论文地址：https://a…...

编程日记 2023/12/12 2:27:43

面试经典150题(1-2)

leetcode 150道题 计划花两个月时候刷完，今天完成了两道(1-2)150： （88. 合并两个有序数组）题目描述： 给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2，另有两个整数 m 和 n ，分别表示 n…...

编程日记 2023/12/12 2:25:41

MySQL使用教程

数据构成了我们日益数字化的社会基础。想象一下，从移动应用和银行系统到搜索引擎，再到如 ChatGPT 这样的先进人工智能聊天机器人，这些工具若没有数据支撑，将寸步难行。你有没有好奇过这些海量数据都存放在哪里呢？答案正…...

编程日记 2023/12/12 2:23:39

微服务学习：Ribbon实现客户端负载均衡，将请求分发到多个服务提供者

Ribbon是Netflix开源的一个基于HTTP和TCP客户端负载均衡器。它主要用于在微服务架构中实现客户端负载均衡，将请求分发到多个服务提供者上，从而实现高可用性和扩展性。 Ribbon的主要特点包括： 客户端负载均衡：Ribbon是一个客户端负…...

编程日记 2023/12/12 2:22:38

孩子还是有一颗网安梦——Bandit通关教程：Level0

🕵️‍♂️ 专栏《解密游戏-Bandit》 🌐 游戏官网： Bandit游戏 🎮 游戏简介： Bandit游戏专为网络安全初学者设计，通过一系列级别挑战玩家，从Level0开始，逐步学习基础命令行和安全概念…...

编程日记 2023/12/12 2:20:37

读excel文件，借助openpyxl工具

读excel文件，借助openpyxl工具 import osimport requestsos.environ["http_proxy"] "http://127.0.0.1:7890" os.environ["https_proxy"] "http://127.0.0.1:7890"base_url "https://testnet.starscan.io/explore…...

编程日记 2023/12/12 2:19:36

ubuntu16.04升级openssl

Ubuntu16.04 默认带的openssl版本为1.0.2 查看：openssl version 1.下载openssl wget https://www.openssl.org/source/openssl-1.1.1.tar.gz 编译安装 tar xvf openssl-1.1.1.tar.gz cd openssl-1.1.1 ./config make sudo make install sudo ldconfig 删除旧版本 su…...

编程日记 2023/12/12 2:18:34

【力扣100】56.合并区间

添加链接描述 class Solution:def merge(self, intervals: List[List[int]]) -> List[List[int]]:# 队列，每次加进来两个元素：1.不包含：第一个元素出去，并放入result；2.包含：合并nlen(intervals)result…...

编程日记 2023/12/12 2:13:30

重磅！2023中国高校计算机大赛-人工智能创意赛结果出炉

目录 中国计算机大赛-人工智能创意赛现场C4-AI大赛颁奖及留影800个AI应用？这届大学生真能“搞事情”AI原生时代，百度要再培养500万大模型人才 中国计算机大赛-人工智能创意赛现场 12月8日，杭州，一位“白发老人”突然摔倒在地&…...

编程日记 2023/12/12 2:10:27

[Linux] 用LNMP网站框架搭建论坛

一、nginx在其中工作原理 原理： php-fpm.conf是控制php-fpm守护进程 它是php.ini是一个php解析器 工作过程： 1.当客户端通过域名请求访问时，Nginx会找到对应的虚拟主机 2. Nginx将确定请求。 对于静态请求，Nginx会自行处理…...

编程日记 2023/12/12 2:08:26

记录 | 使用samba将ubuntu文件夹映射到windows实现共享文件夹

一、ubuntu配置 1. 安装 samba samba 是在 Linux 和 UNIX 系统上实现 SMB 协议的一个免费软件，由服务器及客户端程序构成。SMB（Server Messages Block，信息服务块）是一种在局域网上共享文件和打印机的一种通信协议。 sudo apt-…...

编程日记 2023/12/12 2:07:25

leetcode 股票DP系列 总结篇

121. 买卖股票的最佳时机 你只能选择 某一天 买入这只股票&#xff0c;并选择在 未来的某一个不同的日子 卖出该股票。 只能进行一次交易 很简单&#xff0c;只需边遍历边记录最小值即可。 class Solution { public:int maxProfit(vector<int>& prices) {int res …...

编程日记 2023/12/12 2:05:24

深入理解Java虚拟机---对象的创建和内存异常溢出

深入理解Java虚拟机---对象的创建和内存异常溢出 对象的创建对象内存布局对象的访问定位内存溢出Java堆溢出虚拟机栈和本地方法栈溢出方法区和运行时常量池溢出本地直接内存溢出 对象的创建 Step1&#xff1a;虚拟机遇到一条new指令时&#xff0c;首先将去检查这个指令的参数是…...

编程日记 2023/12/12 2:04:21

windows MYSQL解决中文乱码问题

1.首先确保你已经把mysql配置了环境变量 2.打开window终端 3.输入mysql -u root -p 4.输入密码&#xff0c;就是安装的时候设置的root超级管理员权限密码 5.输入&#xff1a; SHOW VARIABLES LIKE ‘character%’; 出现上图&#xff0c;说明就会出现中文乱码问题。 6.该怎么办…...

编程日记 2023/12/12 2:03:21

EasyRecovery2024免费永久版手机数据恢复软件

EasyRecovery2024是一款操作安全、用户可自主操作的数据恢复方案&#xff0c;它支持从各种各样的存储介质恢复删除或者丢失的文件&#xff0c;其支持的媒体介质包括&#xff1a;硬盘驱动器、光驱、闪存、硬盘、光盘、U盘/移动硬盘、数码相机、手机以及其它多媒体移动设备。能恢…...

编程日记 2023/12/12 2:01:18

2023/12/11 作业

1.思维导图 2.作业 成果&#xff1a; 第一个头文件 #ifndef TEST3GET_H #define TEST3GET_H #include <QWidget> #include<QMessageBox> QT_BEGIN_NAMESPACE namespace Ui { class test3get; } QT_END_NAMESPACE class test3get : public QWidget { Q_OBJE…...

编程日记 2023/12/12 1:59:16

【11】Qt Designer

目录 VSCode添加外部工具 QtDesigner PyUIC PyRCC 加载UI文件模板代码 QMainWindow QWidget 常用知识点 1. 修改标题图标 2. 图片资源管理 3. 图片按钮 4. 加载对话框 5. 动态加载Widget 6. 修改主题 其他注意事项 事件被多次触发 PyQt5提供了一个可视化图形工…...

编程日记 2023/12/12 1:58:15

【算法优选】 动态规划之路径问题——贰

文章目录 &#x1f38b;前言&#x1f332;[下降最小路径和](https://leetcode.cn/problems/minimum-path-sum/)&#x1f6a9;题目描述&#x1f6a9;算法思路&#xff1a;&#x1f6a9;代码实现 &#x1f38d;[最小路径和](https://leetcode.cn/problems/minimum-path-sum/)&…...

编程日记 2023/12/12 1:53:11

从视频中截取指定帧图片

前言&#xff1a; 我们在很多时候需要对视频文件进行分析&#xff0c;或者对视频产生缩略图。因此视频截取技术必不可少。 从本地文件中读取视频帧 导包 <dependency><groupId>org.jcodec</groupId><artifactId>jcodec</artifactId><versio…...

编程日记 2023/12/12 1:50:09

2023最新vue安装（npm，yarn，国内镜像，vue安装，vue导包）全套教程2023年12月最新

第一步(安装npm) 官网地址&#xff1a;https://nodejs.org/en/download windows安装yarn 详细教程_windows yarn-CSDN博客 第二步&#xff08;yarn下载&#xff09; windows 下需要下载msi文件 &#xff0c;下载地址&#xff1a;https://yarnpkg.com/latest.msi npm install -g…...

编程日记 2023/12/12 1:47:06

C++_核心编程_多态案例二-制作饮品

#include <iostream> #include <string> using namespace std;/*制作饮品的大致流程为&#xff1a;煮水 - 冲泡 - 倒入杯中 - 加入辅料 利用多态技术实现本案例&#xff0c;提供抽象制作饮品基类&#xff0c;提供子类制作咖啡和茶叶*//*基类*/ class AbstractDr…...

编程新知 2026/2/8 20:42:55

应用升级/灾备测试时使用guarantee 闪回点迅速回退

1.场景 应用要升级,当升级失败时,数据库回退到升级前. 要测试系统,测试完成后,数据库要回退到测试前。 相对于RMAN恢复需要很长时间&#xff0c; 数据库闪回只需要几分钟。 2.技术实现 数据库设置 2个db_recovery参数 创建guarantee闪回点&#xff0c;不需要开启数据库闪回。…...

编程新知 2026/1/14 22:12:47

盘古信息PCB行业解决方案：以全域场景重构，激活智造新未来

一、破局&#xff1a;PCB行业的时代之问 在数字经济蓬勃发展的浪潮中&#xff0c;PCB&#xff08;印制电路板&#xff09;作为 “电子产品之母”&#xff0c;其重要性愈发凸显。随着 5G、人工智能等新兴技术的加速渗透&#xff0c;PCB行业面临着前所未有的挑战与机遇。产品迭代…...

编程新知 2026/2/7 17:29:24

day52 ResNet18 CBAM

在深度学习的旅程中&#xff0c;我们不断探索如何提升模型的性能。今天&#xff0c;我将分享我在 ResNet18 模型中插入 CBAM&#xff08;Convolutional Block Attention Module&#xff09;模块&#xff0c;并采用分阶段微调策略的实践过程。通过这个过程&#xff0c;我不仅提升…...

编程新知 2025/11/9 1:27:18

linux arm系统烧录

1、打开瑞芯微程序 2、按住linux arm 的 recover按键 插入电源 3、当瑞芯微检测到有设备 4、松开recover按键 5、选择升级固件 6、点击固件选择本地刷机的linux arm 镜像 7、点击升级 &#xff08;忘了有没有这步了 估计有&#xff09; 刷机程序 和 镜像 就不提供了。要刷的时…...

编程新知 2026/2/6 20:07:35

linux 错误码总结

1，错误码的概念与作用 在Linux系统中，错误码是系统调用或库函数在执行失败时返回的特定数值，用于指示具体的错误类型。这些错误码通过全局变量errno来存储和传递，errno由操作系统维护，保存最近一次发生的错误信息。值得注意的是，errno的值在每次系统调用或函数调用失败时…...

编程新知 2025/9/16 22:48:47

ETLCloud可能遇到的问题有哪些？常见坑位解析

数据集成平台ETLCloud&#xff0c;主要用于支持数据的抽取&#xff08;Extract&#xff09;、转换&#xff08;Transform&#xff09;和加载&#xff08;Load&#xff09;过程。提供了一个简洁直观的界面&#xff0c;以便用户可以在不同的数据源之间轻松地进行数据迁移和转换。…...

编程新知 2026/2/3 12:56:31

【学习笔记】深入理解Java虚拟机学习笔记——第4章 虚拟机性能监控，故障处理工具

第2章 虚拟机性能监控&#xff0c;故障处理工具 4.1 概述 略 4.2 基础故障处理工具 4.2.1 jps:虚拟机进程状况工具 命令&#xff1a;jps [options] [hostid] 功能&#xff1a;本地虚拟机进程显示进程ID&#xff08;与ps相同&#xff09;&#xff0c;可同时显示主类&#x…...

编程新知 2026/1/15 1:34:10

ip子接口配置及删除

配置永久生效的子接口&#xff0c;2个IP 都可以登录你这一台服务器。重启不失效。 永久的 [应用] vi /etc/sysconfig/network-scripts/ifcfg-eth0修改文件内内容 TYPE"Ethernet" BOOTPROTO"none" NAME"eth0" DEVICE"eth0" ONBOOT&q…...

编程新知 2025/10/26 5:04:25

Mobile ALOHA全身模仿学习

一、题目 Mobile ALOHA&#xff1a;通过低成本全身远程操作学习双手移动操作 传统模仿学习&#xff08;Imitation Learning&#xff09;缺点&#xff1a;聚焦与桌面操作&#xff0c;缺乏通用任务所需的移动性和灵活性 本论文优点&#xff1a;&#xff08;1&#xff09;在ALOHA…...

编程新知 2026/1/27 14:18:20