zh 中文 ✓ en English

🏷️ 标签

#视觉

共找到 5 条相关内容： 3 篇学习路径 2 篇论文

📚 学习路径

CNN 卷积原理：从滤镜到 ResNet

在 Transformer 称霸前，CNN 是计算机视觉的统治者。它今天仍然是处理图像的标配。这一篇讲清楚"卷积"到底是什么。

多模态总览：AI 如何同时"看、听、读"

GPT-4o 能识别你画的草图、Sora 能生成视频——这些"多模态"AI 是怎么做到的？这一篇打开全景图。

ViT 与 CLIP：让 Transformer 看图

把图像切成 patch，喂给 Transformer——视觉领域 2020 年最大的范式转变。

📑 论文精读

Deep Residual Learning for Image Recognition

提出残差连接（skip connection），让神经网络能训到 100+ 层。CVPR 2016 最佳论文，引用 25 万+，至今所有大模型仍在用这个技巧。

Segment Anything (SAM)

Meta 的"图像分割基础模型"——点一下就能分割任何物体。开源 + 1100 万张图 + 1 亿 mask，让"通用分割"成为现实。

← 回到所有标签