← ECCV 各届
ECCV 2023· European Conference on Computer Vision
ECCV 2023
亮点精读
8 篇 · 获奖 / oral / 高引📈 4.3k 引用
Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection
将DINO与接地预训练结合，实现开放集目标检测。
💡 统一检测与接地，提升开放世界泛化能力。
arXiv
📈 2.2k 引用
MMBench: Is Your Multi-modal Model an All-around Player?
提出MMBench基准，系统评估多模态模型在20个细粒度能力上的表现。
💡 首个全面、细粒度的多模态模型评估基准。
arXiv
📈 1.1k 引用
ShareGPT4V: Improving Large Multi-Modal Models with Better Captions
提出ShareGPT4V，用高质量描述提升大型多模态模型性能。
💡 高质量描述数据显著提升模型理解能力。
arXiv
📈 791 引用
Adversarial Diffusion Distillation
提出对抗扩散蒸馏，实现一步图像生成，大幅提升采样速度。
💡 首次实现单步高质量图像生成，实用价值高。
arXiv
📈 615 引用
LLaMA-VID: An Image is Worth 2 Tokens in Large Language Models
提出LLaMA-VID，将每帧图像压缩为2个token，支持长视频理解。
💡 大幅降低视频处理成本，实现高效长视频对话。
arXiv
📈 580 引用
CoTracker: It is Better to Track Together
提出联合跟踪多个点的模型，通过注意力机制实现更鲁棒的长期点跟踪。
💡 显著提升长时点跟踪的准确性和鲁棒性。
arXiv
📈 555 引用
DriveLM: Driving with Graph Visual Question Answering
提出DriveLM，用图视觉问答实现自动驾驶场景理解与推理。
💡 首个将VQA与图结构结合用于驾驶，提升可解释性。
arXiv
📈 488 引用
DynamiCrafter: Animating Open-domain Images with Video Diffusion Priors
利用视频扩散先验将开放域静态图像动画化，生成连贯动态视频。
💡 突破图像到视频生成中运动先验的局限。
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