计算机视觉

视频人脸打码追踪：转场丢失、漏检和ID撞号的处理做隐私脱敏工具时，人脸动态跟踪的实现在多个环节容易出问题。我整理几条踩过的坑和对应的处理思路。一、转场导致遮罩"活"在新画面上

工业视觉老A

攻克牙膏朝向人工分拣痛点，AI 视觉检测保障包装工序稳定市面上很多牙膏管外形轮廓一致，区分前后正反主要依靠管身印刷图文、封尾压纹，部分款式图案左右相似度高，人工分辨难度大。检验人员依靠肉眼判断，判定标准因人而异，长时间作业视觉疲劳后，倒置牙膏极易漏检。方向错误的牙膏流入装盒机后，不仅会卡纸、损坏纸盒，还需要停机清理，严重降低包装效率。已经错装完成的产品，还需要拆盒返工，耗费大量人力与包材成本，影响订单交付进度。

CT 重建从零开始（五）：ASTRA Toolbox 上手——几何、投影器与算法前几篇的实验都用 scikit-image 的 radon / iradon，或者自己写几十行 NumPy。这样讲原理足够，但一到真实尺寸就不够用了：没有 GPU 加速，没有锥束，也很难嵌进深度学习网络。

CVPR 2026｜TherA：让可见光照片“懂冷热”，用文字和参考图控制红外生成CVPR 2026｜TherA：让可见光照片“懂冷热”，用文字和参考图控制红外生成1. 一句话总结TherA 利用热感知视觉语言模型指导可见光到热红外（Thermal Infrared，TIR）翻译，让生成结果区分发热状态，并支持天气、昼夜及车辆状态控制，在标准评估和零样本测试中提升翻译质量。

多模态屋顶损伤与杂物检测数据集 | 屋顶检测多模态红外可见光建筑巡检目标检测9232期本数据集专注于红外与可见光多模态场景下屋顶损伤及杂物检测，服务于建筑巡检、屋顶维护及城市安全评估。数据涵盖十类典型屋顶问题，适配无人机巡检、病害识别及自动化评估等应用（注：红外与可见光图像未做对齐）。

基于 YOLOv11 的无人机航拍小目标检测系统本项目是一套基于 YOLOv11 的无人机航拍小目标检测系统，以 VisDrone 航拍目标检测数据集为数据基础，面向航拍图像中的行人、车辆等十类目标完成模型训练、评估与系统应用。系统提供 Web 端和 PyQt6 桌面端，支持图片、视频和摄像头输入，并集成结果查看、历史查询、模型管理与训练指标展示，适用于项目设计、课程实践和答辩展示。

基于 YOLOv8 的手势识别系统本项目是一套基于 YOLOv8 的手势识别系统，以 18 类手势目标检测数据集为数据基础，面向十八类手势的定位与识别完成模型训练、评估与系统应用。系统提供 Web 端和 PyQt6 桌面端，支持图片、视频和摄像头输入，并集成结果查看、历史查询、模型管理与训练指标展示，适用于项目设计、课程实践和答辩展示。

DeepDraw 网页版可以直接在网页上运行的DeepDraw引擎官网: archieast.com引擎运行在服务器端，浏览器上仅运行渲染器，交互和编辑通过WebSocket和服务器通信，一个服务可以运行很多个引擎实例，实测效果，非常流畅，服务器cpu和网络带宽占用都很低

第 7 章医学影像特征提取与分析本章导读分割回答了"病灶在哪里"，但临床医生更关心的是"它有多大、是什么形状、内部纹理如何、恶性可能性多高"。本章完成从"图像"到"数字"的跨越：形态学分析（7.1）把分割掩码转化为体积、形状等几何量；纹理与影像组学分析（7.2）从像素灰度的空间排列中挖掘人眼无法感知的定量信息；计算机辅助诊断（7.3）则把这些特征组织成完整的决策系统。

航拍地面垃圾检测数据集 | 垃圾检测航拍巡检环境治理目标检测 YOLO格式9224期本数据集专注于无人机航拍视角下的地面垃圾目标检测，服务于城市环境治理、垃圾巡查及智慧环卫。数据涵盖航拍视角下的散落垃圾，适配无人机自动巡检、垃圾堆放点识别及环境监控等应用。

【论文解读】DMH-Net：用深度曼哈顿霍夫变换从全景立方图估计3D房间布局项目内容论文名3D Room Layout Estimation from a Cubemap of Panorama Image via Deep Manhattan Hough Transform

[智能计算]AutoDiffusion-基于进化NAS的扩散模型该论文的核心思想是：对于一个已训练好的扩散模型，在不训练的前提下，通过自动选择采样时间和每一步执行的网络结构，实现更快、更高质量的图像生成。其核心方法是：将时间步序列与各时间步子网络联合编码，用生成图片的FID评价候选方案，再通过进化算法获取最优配置。

基于 YOLOv8 与 Faster R-CNN 的盲道障碍检测系统本项目是一套基于 YOLOv8 与 Faster R-CNN 的盲道障碍检测系统，以盲道与障碍物检测数据集为数据基础，面向盲道及周边行人、车辆、路障等十六类目标完成模型训练、评估与系统应用。系统提供 Web 端和 PyQt5 桌面端，支持图片、视频和摄像头输入，并集成结果查看、历史查询、模型管理与训练指标展示，适用于项目设计、课程实践和答辩展示。

打不了嗝 ᥬ᭄

Swin Transformer 详解：窗口注意力如何成为新一代视觉 backboneViT 把图像切成 patch 直接做全局自注意力，效果虽好，但序列长度随分辨率平方增长，高分辨率场景根本算不动，而且全程单一分辨率的特征对检测、分割这类密集预测任务并不友好。Swin Transformer（微软亚洲研究院，2021）用两个设计回答了这个问题：窗口内注意力控制计算量，移位窗口（Shifted Window）补上窗口间的信息交互，再配合分层下采样搭出金字塔特征。这篇文章沿着数据在 Swin 里的流动顺序，从 Patch Embedding 一路讲到 Patch Merging，把每一步的张

落雪snowflake

论文精讲：A Language-Informed Loss for Visual Generation中文题目：一种面向视觉生成的语言信息引导损失函数这篇论文来自斯坦福大学，作者包括李飞飞、吴佳俊等研究者，2026 年 10 月 16 日发布于 arXiv，目前提供的是预印本([2610.23653] A Language-Informed Loss for Visual Generation)。A Language-Informed Loss for Visual Generation

基于 YOLOv8 的无人机识别与检测系统本项目是一套基于 YOLOv8 的无人机识别与检测系统，以 Anti-UAV 无人机目标检测数据集为基础，完成数据组织、模型训练、结果评估与系统集成。系统提供 PyQt6 桌面端和 Web 端，支持图片识别、批量检测、视频识别、摄像头采样检测、模型管理、训练指标展示和检测历史查询，适用于计算机专业项目设计、课程实践与答辩展示。

机器视觉中CNN与Transformer的原理及应用差异「CNN与ViT的分工逻辑」目录01 Transformer 与 CNN 应用范围对比02 CNN：把"局部"写进结构里

搞科研的小刘选手

【宁波大学主办 | SPIE出版 | EI ，Scopus稳定检索】2026年计算机视觉与多媒体技术国际学术会议（CVMT 2026）2026年计算机视觉与多媒体技术国际学术会议（CVMT 2026）2026 International Conference on Computer Vision and Multimedia Technology

Unscreen关了用什么代替？6款商用授权避坑2026Unscreen 关了以后找替代，商用单我会先按授权排除一轮再去比谁抠得干净。要排掉的是三种情况：免费版导出带水印或只给个人用途的、模型写明仅限非商业的、素材许可要求署名和沿用许可而你又不打算照办的。排完再按预算挑，愿意按月付订阅的可以考虑 Canva Pro。愿意一次买断的可以看 DaVinci Resolve Studio。不想把客户视频传到别人服务器上的就用装在电脑上的剪辑软件或者在浏览器里本地处理的图映 ImgIng。图映的视频抠像目前是 Beta，只能在电脑上的 Chrome 或 Edge 里用

【论文解读】U2RLE：不确定性引导的两阶段房间布局估计项目内容论文名U2RLE: Uncertainty-Guided 2-Stage Room Layout Estimation