摘要：
OFT Orthographic Feature Transform for Monocular 3D Object Detection OFT Orthographic Feature Transform for Monocular 3D Object Detection 时间：18.11 机构： 阅读全文
摘要：
名称 Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D 时间：20.08 机构：NVIDIA TL;DR 后融合方法将每一目感知结果通过相机参数转换到BEV空 阅读全文
摘要：
名称 DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries 时间：21.10 机构：mit/CMU/Stanford TL;DR 一种利用Transformer做E2E的3D目标检测方法，在nuScenes自动 阅读全文
摘要：
名称 End-to-End Object Detection with Transformers 时间：20.05 机构：Facebook AI TL;DR 文章提出一种称为DETR(Detection Transformer)的基于Transformer的检测器，相比于传统检测器不需要NMS以及a 阅读全文
摘要：
名称 link [VQ-GAN](Taming Transformers for High-Resolution Image Synthesis) 时间：CVPR2021 oral 21.06 机构：Heidelberg Collaboratory for Image Processing, IWR 阅读全文
摘要：
LVM: Sequential Modeling Enables Scalable Learning for Large Vision Models LVM: Sequential Modeling Enables Scalable Learning for Large Vision Models 阅读全文
摘要：
名称 KOSMOS: Language Is Not All You Need: Aligning Perception with Language Models 时间：23.05 机构：Microsoft TL;DR 一种输入多模型信息的大语言模型，作者称之为多模型大语言模型(MLLM)，可以图多 阅读全文
摘要：
名称 VQ-VAE: Neural Discrete Representation Learning 时间：17.11 机构：Google TL;DR VQ全称为Vector Quantised，故名思义，本文相对于VAE最大改进是将VAE的latent representation由连续建模为离散 阅读全文
摘要：
名称 Imagen: Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding 时间：22/05 机构：Google TL;DR 发现使用LLM(T5)可以作为text2image任务的text en 阅读全文
摘要：
名称 DiT: Scalable Diffusion Models with Transformers 时间：23/03 机构：UC Berkeley && NYU TL;DR 提出首个基于Transformer的Diffusion Model，效果打败SD，并且DiT在图像生成任务上随着Flops 阅读全文