hustvl

[CVPR 2024] रियल-टाइम गतिशील दृश्य रेंडरिंग के लिए 4D Gaussian Splatting

[ICML 2024] Vision Mamba: द्विध्रुवीय स्टेट स्पेस मॉडल के साथ कुशल विजुअल रिप्रेजेंटेशन लर्निंग

[ICLR'23 Spotlight & ECCV'24 & IJCV'24] MapTR: ऑनलाइन वेक्टराइज्ड HD मैप निर्माण के लिए संरचित मॉडलिंग और लर्निंग

[CVPR 2025 Oral] पुनर्निर्माण बनाम जनरेशन: Latent Diffusion Models में ऑप्टिमाइजेशन की समस्या का समाधान

[CVPR 2025 Highlight] रियल-टाइम एंड-टू-एंड स्वायत्त ड्राइविंग के लिए Truncated Diffusion Model

[ICCV 2023 & ICLR 2026] VAD: कुशल स्वायत्त ड्राइविंग के लिए वेक्टराइज्ड सीन रिप्रेजेंटेशन

[CVPR 2024] GaussianDreamer: 2D और 3D डिफ्यूजन मॉडल को जोड़कर टेक्स्ट से 3D Gaussians का तेज़ जनरेशन।

[Image and Vision Computing (Vol.147 Jul. '24)] Segment Anything Models के साथ इंटरैक्टिव नेचुरल इमेज मैटिंग

PixelHacker: संरचनात्मक और अर्थपूर्ण निरंतरता के साथ इमेज इनपेंटिंग।

[IJCV 2026] Senna: लार्ज विजन-लैंग्वेज मॉडल और एंड-टू-एंड ऑटोनॉमस ड्राइविंग को जोड़ना

[Information Fusion (Vol.103, Mar. '24)] प्रीट्रेनڈ Plain Vision Transformers के साथ इमेज मैटिंग को बढ़ावा देना

[ECCV 2026] Moebius: 10B-स्तरीय प्रदर्शन के साथ 0.2B हल्का इमेज इनपेंटिंग फ्रेमवर्क।

"EVF-SAM: Early Vision-Language Fusion for Text-Prompted Segment Anything Model" का आधिकारिक कोड