仅用1.44M参数超越SOTA 4.5个点!小红书&中科大提出轻量高效的AI图像检测模型
仅用1.44M参数量实现了通用AI图片检测,研究团队提出SAFE方法,在33个测试子集上达到96.7%准确率,优于SOTA模型4.5个百分点。
仅用1.44M参数量实现了通用AI图片检测,研究团队提出SAFE方法,在33个测试子集上达到96.7%准确率,优于SOTA模型4.5个百分点。
本文介绍了一种简化DINO和DINOv2训练流程的方法,通过编码率正则化提升模型性能。该方法提出SimDINO和SimDINOv2模型,减少了复杂的调整步骤和超参数设置,实验结果表明新模型在多种下游任务中性能优于原版模型,并且对不同设计选择表现出更强的鲁棒性。
北大、KAUST和字节跳动联合提出了一种可逆扩散模型(IDM),通过端到端训练框架和双层可逆网络设计显著提升了图像重建的性能和效率。相关代码已开源。
an.zhihu.com/p/23430297491
编辑丨极市平台
极市导读
首个针对Mamba系
联合NTIRE研讨会举办的高效超分辨率挑战赛旨在推动图像处理领域技术创新。参赛者需训练并测试超分辨率模型,目标包括在常见GPU上实现最低推理运行时间、最少FLOPs和最少参数的网络设计/解决方案。比赛要求个人、高等院校、科研单位及企业等均可报名参赛。