CV计算机视觉每日开源代码Paper with code速览-2023.10.20

精华置顶

墙裂推荐！小白如何1个月系统学习CV核心知识：链接

点击@CV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.【目标检测】Click on Mask: A Labor-efficient Annotation Framework with Level Set for Infrared Small Target Detection

论文地址：https://arxiv.org//pdf/2310.12562
开源代码：https://github.com/Li-Haoqing/COM

2.【图像分割】Not Just Learning from Others but Relying on Yourself: A New Perspective on Few-Shot Segmentation in Remote Sensing

论文地址：https://arxiv.org//pdf/2310.12452
开源代码（即将开源）：https://github.com/HanboBizl/DMNet/

3.【语义分割】Minimalist and High-Performance Semantic Segmentation with Plain Vision Transformers

论文地址：https://arxiv.org//pdf/2310.12755
开源代码（即将开源）：https://github.com/ydhongHIT/PlainSeg

4.【OCR】DocXChain: A Powerful Open-Source Toolchain for Document Parsing and Beyond

论文地址：https://arxiv.org//pdf/2310.12430
开源代码：https://github.com/AlibabaResearch/AdvancedLiterateMachinery/tree/main/Applications/DocXChain

5.【点云分割】2D-3D Interlaced Transformer for Point Cloud Segmentation with Scene-Level Supervision

论文地址：https://arxiv.org//pdf/2310.12817
工程主页：MIT
开源代码：https://github.com/jimmy15923/mit

6.【医学图像分割】DA-TransUNet: Integrating Spatial and Channel Dual Attention with Transformer U-Net for Medical Image Segmentation

论文地址：https://arxiv.org//pdf/2310.12570
开源代码：https://github.com/SUN-1024/DA-TransUnet

7.【多模态】Frozen Transformers in Language Models Are Effective Visual Encoder Layers

论文地址：https://arxiv.org//pdf/2310.12973
开源代码：https://github.com/ziqipang/LM4VisualEncoding

8.【多模态】CLAIR: Evaluating Image Captions with Large Language Models

论文地址：https://arxiv.org//pdf/2310.12971
工程主页：CLAIR: Evaluating Image Captions with Large Language Models
开源代码：https://github.com/davidmchan/clair

9.【人体运动生成】HumanTOMATO: Text-aligned Whole-body Motion Generation

论文地址：https://arxiv.org//pdf/2310.12978
工程主页：HumanTOMATO: Text-aligned Whole-body Motion Generation
开源代码（即将开源）：https://github.com/IDEA-Research/HumanTOMATO

10.【人体运动生成】TapMo: Shape-aware Motion Generation of Skeleton-free Characters

论文地址：https://arxiv.org//pdf/2310.12678
工程主页：TapMo
代码即将开源

11.【三维重建】Enhancing High-Resolution 3D Generation through Pixel-wise Gradient Clipping

论文地址：https://arxiv.org//pdf/2310.12474
开源代码：https://github.com/fudan-zvg/PGC-3D

12.【运动预测】Real-Time Motion Prediction via Heterogeneous Polyline Transformer with Relative Pose Encoding

论文地址：https://arxiv.org//pdf/2310.12970
开源代码（即将开源）：https://github.com/zhejz/HPTR

论文已打包，点击进入—>下载界面

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-2023.10.19

CV计算机视觉每日开源代码Paper with code速览-2023.10.18

CV计算机视觉每日开源代码Paper with code速览-2023.10.17

CV计算机视觉每日开源代码Paper with code速览-2023.10.16

使用目标之间的先验关系提升目标检测器性能

港科大提出适用于夜间场景语义分割的无监督域自适应新方法

HSN：微调预训练ViT用于目标检测和语义分割，华南理工和阿里巴巴联合提出

EViT：借鉴鹰眼视觉结构，南开大学等提出ViT新骨干架构，在多个任务上涨点

如何优雅地读取网络的中间特征？