在持续分割领域的快速进展尚未能在计算受限的情况下桥接扩展到大型持续扩展词汇量的差距。

视觉 Transformer 在计算机视觉领域取得了显著进展，提供了强大的建模能力和全局感受野。

点击下方卡片，关注「AI视界引擎」公众号( 添加时备注：方向+学校/公司+昵称/姓名 )多任务密集场景理解，

小目标检测（SOD）一直是多年来持续存在且具有挑战性的任务，已经开发出众多数据集和算法。

目标检测器在处理与训练集不同的数据时往往表现不佳。最近，域自适应目标检测（DAOD）方法在应对这一挑战上取得了显著成果。

自从UNet被引入以来，它一直在引领各种医学图像分割任务。

视觉 Transformer （ViTs）在各种计算机视觉任务中表现出卓越的性能，但其庞大的参数规模显著增加了

视觉任务适应已经在使用专门的可学习层或标记调整预训练的Vision Transformers (ViTs)以适

低光照图像增强（LLIE）对于自动驾驶至关重要。尽管其重要性，现有的LLIE方法常常优先考虑整体亮度的稳健调整，这可能会以牺牲细节保留为代价。

人脸检测通常尝试使用如ResNet-50/101/152和VGG16/19这样的大型预训练 Backbone

1 IntroductionDetection TRansformer (DETR) [1]DETR是一种最近

最近，视频生成技术快速发展。鉴于社交媒体平台上视频内容的普及，这些模型加剧了人们对虚假信息传播的担忧。

1 Introduction计算机视觉中的一个基本问题是在三维空间中理解和识别场景与物体。

目标检测在计算机视觉领域扮演着至关重要的角色，它可以自主识别并定位感兴趣的目标。

图像文本对比模型，如CLIP，学习可迁移且健壮的表示，以便在零样本转移至各种下游任务时使用。

阿尔茨海默病（AD）是一种不可逆的神经退行性疾病，通常从轻度认知障碍（MCI）进展而来，导致记忆力丧失，严重影

在图像修复领域，尤其是通过扩散建模的最新进展，已经取得了令人鼓舞的成果。

在汽车解决方案中，目标检测系统的性能必须尽可能高，响应时间最小，且由于经常采用电池供电操作，能耗要低。

视觉 Transformer （ViTs）已作为一种有前景的卷积神经网络（CNNs）替代方案，用于各种图像分析

在本次研究中，针对超高分辨率图像分割中出现的空间信息丢失和计算效率低下等问题，提出了一种将编码器-解码器结构与