美团技术团队
·
CVPR 2024 | 美团技术团队精选论文解读
💡
原文中文，约6500字，阅读约需16分钟。
📝
内容提要
美团技术团队在CVPR 2024上发表了7篇论文，涵盖了OCR预训练、长尾半监督学习、图像驱动、数字人生成、视听分割和视觉叙事等领域。这些论文的研究成果有助于提高场景文本检测、图像生成和目标检测等任务的性能。
🎯
关键要点
- 美团技术团队在CVPR 2024上发表了7篇论文，涉及多个计算机视觉领域。
- CVPR是计算机视觉领域的顶级会议之一，影响力排名第四。
- 论文主题包括OCR预训练、长尾半监督学习、图像生成、数字人生成、视听分割和视觉叙事等。
- ODM方法提高了OCR任务中的文本与图像对齐性能，降低了标注成本。
- BEM方法通过平衡和熵的混合改进了长尾半监督学习的性能。
- LVMM模型用于预测复杂场景的光流，提升了图像动态效果的生成能力。
- CustomListener允许用户通过自由文本自定义数字人属性，增强交互体验。
- COMBO框架探索了视听分割中的多种双边关系，提升了分割精度。
- StoryGen模型用于生成连贯的图像序列，推动开放式视觉叙事的发展。
- InstaGen通过合成数据增强目标检测器的性能，展示了合成图像的应用潜力。
- 美团科研合作致力于与高校和科研机构的合作，推动科技创新和成果转化。
➡️
