← ECCV 各届
ECCV 2024· European Conference on Computer Vision
ECCV 2024
亮点精读
8 篇 · 获奖 / oral / 高引📈 3.9k 引用
YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information
提出可编程梯度信息方法，让YOLOv9学习更有效特征，提升目标检测性能。
💡 显著提升检测精度，推动实时目标检测发展。
arXiv
📈 910 引用
Grounding Image Matching in 3D with MASt3R
提出MASt3R，利用3D几何信息提升图像匹配的鲁棒性和准确性。
💡 将2D匹配扩展到3D，显著提升复杂场景下的匹配性能。
arXiv
📈 774 引用
LGM: Large Multi-View Gaussian Model for High-Resolution 3D Content Creation
提出LGM模型，从多视图图像高效生成高分辨率3D高斯表示。
💡 实现高分辨率3D内容快速生成，推动3D创作实用化。
arXiv
📈 752 引用
MambaIR: A Simple Baseline for Image Restoration with State-Space Model
提出基于状态空间模型的图像恢复基线MambaIR，在多个任务上超越Transformer方法。
💡 首个将状态空间模型有效应用于图像恢复的工作。
arXiv
📈 666 引用
MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?
提出MathVerse基准，评估多模态大模型在视觉数学问题中真正理解图表的能力。
💡 揭示多模态模型在数学推理中的视觉理解缺陷。
arXiv
📈 622 引用
SiT: Exploring Flow and Diffusion-based Generative Models with Scalable Interpolant Transformers
提出可扩展插值变换器SiT，统一并改进流与扩散生成模型。
💡 为生成模型提供统一框架，提升可扩展性和性能。
arXiv
📈 598 引用
MobileNetV4 - Universal Models for the Mobile Ecosystem
MobileNetV4提出通用移动端模型，通过创新架构和优化实现高效推理。
💡 统一移动生态，推动边缘AI部署。
arXiv
📈 589 引用
An Image is Worth 1/2 Tokens After Layer 2: Plug-and-Play Inference Acceleration for Large Vision-Language Models
提出在LVLM早期层后丢弃一半视觉token，实现即插即用的推理加速。
💡 大幅降低计算成本，无需重新训练模型。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点