- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习与生成对抗网络
ICCV 2023 视频AIGC（编辑生成转换）论文 7 篇
开源在：https://github.com/Picsart-AI-Research/Text2Video-Zero 7、Tune-A-Video: One-Shot Tuning of Image Diffusion
73810编辑于 2024-01-10 - 来自专栏【腾讯云开发者】
AIGC算法必读论文清单
1.1 重点论文解读 GPT123：GPT-1/GPT-2/GPT-3 简介 （https://mp.weixin.qq.com/s/bCYgzE4LF_P9gsWp7opZKQ） GPT123：GPT ，GPT-2，GPT-3 论文精读【论文精读】 （https://www.bilibili.com/video/BV1AF411b7xQ/? ，结构：解读：MoCo 论文逐段精读【论文精读】(https://www.bilibili.com/video/BV1C3411s7t9/? vd_source=7eca43a1454e93ec38151f0f751ee623） CLIP：CLIP 论文逐段精读【论文精读】 （https://www.bilibili.com/video/BV1SL4y1s7LQ ），把一系列标签变成一句话，Loss包括分类的Loss和定位的Loss，然后学习CLIP来进行检测。
61910编辑于 2024-10-30 - 来自专栏论文降AIGC率
论文查重、AIGC检测顺序｜按这个来，不做无用功！
毕业季，不少同学被查重、AIGC检测、降重、降AI率搞得头都大了！到底要先怎么查、怎么降才不做无用功？一、初稿阶段只降核心重复内容，不看AIGC率。 如果是重复率和AIGC率都高的话，也可以用工具结合人工降重，比如：早降重辅助工具，支持降重复率和降AIGC率，还能上传查重/AIGC检测报告针对性降重和降AI率。 三、定稿阶段定稿阶段，用学校指定的系统做最终AIGC检测与查重。 如果有不达标的情况： 重复率不达标→对重复内容做语义改写→查重（合格）→AIGC检测AI率不达标→对问题句子或段落加人味→AIGC检测（合格）→查重定稿阶段不管是做什么修改，提交学校检测前，二项都必须符合学校要求标准内 写在最后查重可以从免费查起，AIGC检测工具学校用什么就用什么查。降重复内容过程中，最好才用深度语义改写法，避免AI率反弹。二次验证，查重可只查重重复内容，AIGC检测要全文检测。
56210编辑于 2026-03-24 - 来自专栏论文降AIGC率
自己写的论文，为什么会被AIGC检测出高AI率？
国内外多个研究表明，AIGC检测对人类学术论文误判率高达25%-40%，尤其是短文本、轻度AI润色和非母语作者写作时，误判率更高。最扯的是：有同学把滕王阁序进行检测，AI率居然是100%。 AI写作越来越像人，AIGC检测算法也不断升级，覆盖了部分人写作特征，就拿以前没出现AI时的论文进行检测，也有AI率，而且个别的还不低。 所以，AIGC检测的不确定性因素太多了，检测结果目前还只能作为参考之一，不能当作唯一的评判标准，检测时要理性看待。二、AIGC检测经验小科普AI率检测是算法概率判断，不像查重是基于真实数据比对。 学校常用的AIGC检测平台：Turnitin（ttai.kk.checkyyds.com）：国际权威，适合留学生、英文专业的毕业论文，国际版+AI可同时出具查重和AI率双报告。 AIGC检测看的是整体风格、句式节奏、逻辑连贯性等，这些都是底层结构。建议先查AI率，解决完后再去查重降重（免费除外）。AIGC检测看的是论文整体，不要为了节省，像查重样只查标记内容，那样会不准确。
1.1K00编辑于 2026-03-03 未来论文AIGC检测的发展趋势与学术合规应对策略
近一年我陆续实测了市面主流云端AIGC检测工具、AI论文润色降重工具，同时跟进知网、万方、维普三大主流学术平台AIGC检测系统的迭代更新，清晰发现行业已经进入AI生成文本与AI检测算法双向对抗、同步迭代的博弈阶段 二、AIGC论文检测工具全景概览：技术背景、底层原理与适用边界2.1工具行业发展背景2022年以来大语言模型快速普及，学术写作迎来颠覆性变革，截至2026年，国内本科、硕士毕业论文全面强制接入AIGC专项检测 依托腾讯云弹性算力、分布式数据存储与并行计算能力，云端AIGC检测工具可以实现万字论文3秒内完成全维度检测，同时支持海量论文批量检测、检测模型云端无感迭代，这也是本地检测工具逐步被市场淘汰的核心原因。 ，最终复测AIGC占比7%，顺利通过学校官方检测，同时论文原创性、学术质量不受影响。 六、云原生架构下，未来论文AIGC检测四大核心发展趋势结合腾讯云AI技术迭代方向、国内高校学术审核政策以及大模型对抗演进规律，预判未来3年AIGC论文检测行业不可逆发展趋势，提前帮助学术从业者做好应对准备
31721编辑于 2026-06-12- 来自专栏OpenCV与AI深度学习
干货 | YOLOv7目标检测论文解读与推理演示
导读 本文主要介绍简化的YOLOv7论文解读和推理测试以及YOLOv7与 YOLO系列的其他目标检测器的比较。 根据论文所述，它是迄今为止最快、最准确的实时目标检测器，最好的模型获得了56.8%的平均精度(AP)，这是所有已知目标检测器中最高的，各种模型的速度范围在 5~160 FPS。 本文主要介绍简化的YOLOv7论文解读和推理测试以及YOLOv7与 YOLO系列的其他目标检测器的比较。 YOLOv7通过将性能提升一个档次建立了重要的基准。 上述实验结果表明，YOLOv7 模型在速度和准确度上确实优于目标检测器。 YOLOv7目标检测推理 现在，让我们进入博文中令人兴奋的部分，即使用 YOLOv7 对视频进行推理。 YOLOv7论文：https://arxiv.org/pdf/2207.02696.pdf 3.
6.3K30编辑于 2022-09-26 - 来自专栏机器之心
7 papers | 周志华深度森林新论文；谷歌目标检测新SOTA
基于这些优化，研究者开发了一类新的目标检测器，他们称之为 EfficientDet。在广泛的资源限制条件下，该检测器始终比现有技术获得更高数量级的效率。 具体而言，在没有附属条件的情况下，EfficientDet-D7 在 52M 参数和 326B FLOPS1 的 COCO 数据集上实现了 51.0 mAP 的 SOTA 水平，体积缩小了 4 倍，使用的 FLOPS 减少了 9.3 倍，但仍比先前最佳的检测器还要准确（+0.3% mAP）。 论文 7：α^α-Rank: Practically Scaling α-Rank through Stochastic Optimisation 作者：Yaodong Yang、Rasul Tutunov ，α-Rank 有关强化学习，并于今年 7 月登上了《Nature Scientific Reports》。
61810发布于 2019-12-06 - 来自专栏登神长阶
【论文复现】YOLOv7论文讲解
论文讲解 YOLO v7论文（YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors 由论文中图示，在5 FPS 到 160 FPS 范围内，YOLOv7 在 speed 和 accuracy 上都超过了所有已知的目标检测器，并且在 GPU V100 上 30 FPS 或更高的实时目标检测器中 论文方法 论文聚焦如何在目标检测中取得更快的速度、更高的精度。 它为什么具备如此好的效果，论文分两个方面给出了答案。 总结 这个时候可以回答，v7为什么好，因为借鉴融合的多，通过这种巧妙的融合，取得了最先进的检测结果。 YOLO v7论文 链接 YOLO v7博客 编程未来，从这里启航！
1.4K10编辑于 2024-12-09 - 来自专栏机器之心
7 Papers | AAAI 2023杰出论文奖；AI生成文本检测方法综述
机器之心 & ArXiv Weekly 参与：杜伟、楚航、罗若天 本周论文包括获得 AAAI 2023 杰出论文奖的 CowClip 算法，以及现有 AI 生成文本检测方法的全面技术介绍 。 然而，这种新发现的高效生成文本的能力也引起了人们对检测和防止大型语言模型在网络钓鱼、虚假信息 和学术造假等任务中滥用的担忧。 最近关于是否可以正确检测大型语言模型生成的文本以及如何检测的讨论越来越多，这篇文章对现有检测方法进行了全面的技术介绍。 大型语言模型生成的文本检测分类学。 推荐：冒充人类作者，ChatGPT 等滥用引担忧，一文综述 AI 生成文本检测方法。 论文 7：Organic reaction mechanism classification using machine learning 作者：Jordi Burés、Igor Larrosa 论文地址
98020编辑于 2023-02-23 - 来自专栏音视频技术
AV夜话#7 黄斌：聊聊AIGC创业
本周五晚，AV夜话#7邀请到了Rong.ai的联合创始人黄斌，他是前腾讯视频云产品负责人、专家产品经理，超过十年视频流媒体、通信、互联网及云计算行业经验，我们与这位奋不顾身入局AIGC创业者聊聊他的故事
85840编辑于 2023-04-26 - 来自专栏人工智能LeadAI
边缘检测论文笔记
摘要：这篇论文提出了一种基于FCNN和深度监督网络的新的边缘检测算法HED，它解决了两个重要的问题，1）整体图片的训练和预测，2）多尺度多层级的特征学习。 下图中的图c即为HED输出的边缘检测结果，d-f是不同side layer（后面会具体提到）的输出，g-i是Canny边缘检测器的输出。可以看到HED效果明显更好。 ? b47c51c8-7caf-4cbe-a67b-6a61babefb3c.png 算法总览 ? 6b3b50c8-7eaf-4e06-a3d2-52fa8455c1b5.png 其中I，I-和I+分别代表总像素，非边缘像素和边缘像素的个数。 bf0ceac9-69c8-49f4-a1da-e1f8210e5e52.png 总结：这篇论文提出的HED方法进行边缘检测还是很可靠的，它提出的这种从深度网络的每一层引一个侧面输出出来再进行混合的思想也可以借鉴
1.2K20发布于 2018-07-30 - 来自专栏计算机视觉理论及其实现
最新目标检测论文
预测器的遮挡性行人检测【5】CSPNet：可以增强CNN学习能力的新型Backbone【6】ReBiF：残差双融合特征金字塔网络，用于精确的Single-shot目标检测【7】目标检测的性能上界讨论【8 【12】IENet：方向性航空目标检测的One Stage Anchor Free检测器【13】MnasFPN：用于移动设备上目标检测的延迟感知的金字塔体系结构【14】IPG-Net：用于目标检测的图像金字塔引导网络 multi-oriented object detection》时间：20191123作者团队：华科(白翔组)&武大&上交链接：https://arxiv.org/abs/1911.09358注：本论文性能优于 Object Detection》时间：20191125（AAAI 2020）作者团队：华为诺亚&中山大学链接：https://arxiv.org/abs/1911.09929注：又一篇用NAS做目标检测的论文 arxiv.org/abs/1911.12051注：ReBiF在mAP和FPS上都优于YOLOv3和RFBNet等网络Residual bi-fusion feature pyramid network ----【7】
1.7K30编辑于 2022-09-03 - 来自专栏DeepSeek - R1
如何降低论文Aigc率，这50个降AIGC率指令模板：全流程改写技巧
50个降AIGC率指令模板：全流程改写技巧文赋AI论文——论文写作神器~一键生成论文近期大量同学反馈，精心完成的论文因知网AIGC检测不通过被退回。 随着DeepSeek等AI工具在学术写作中普及，论文AI生成特征过度凸显成为新难题。本文针对性设计50个指令模板，覆盖论文写作全流程，通过五大维度系统降低AI检测特征，助力学术成果顺利通过审核。 Prompt 41 段落防检测改写三步骤降低AI特征：句式打散："首先...其次..."→"从发生学视角看...值得注意的是..." ：改写后使用Turnitin AI检测功能，重点监控"文本流畅度""术语独特性""论证复杂度"三项指标通过上述50个模板的针对性应用，可有效降低论文的AI生成特征，同时提升学术质量。 ——文赋AI论文智能论文写作，开启你的论文写作新篇章！
6.8K31编辑于 2025-04-12 Turnitin查AI率检测原理！如何降低AIGC率！
毕业季，不少留学生和国内英专生被AI率折磨得不行，下面就来说说Turnitin AI率检测原理是什么？被判AI写作如何降低AIGC率！ Turnitin论文查重系统：ttai.kk.checkyyds.com具体来说：困惑度：就是下一个词出现的意外程度，AI写的易预测，人写作则更难预测。如：马路上有一..... AI率检测，本质上是概率判断游戏，查的是内容像不像AI写的。所以，会有误判的情况发生。 二、如何降低AIGC率1、精简内容删除被标记段落中无用的套话，去掉典型AI特征的用词习惯和打破原有系统拆分片段规律，只保留其核心观点、数据、论证逻辑。再通读，其实原有的意思根本没有变化。 写在最后：Turnitin AI率检测查的是内容像不像AI，而不是看谁写的。工具只是辅助，降AIGC率的关键还是个人思考与写作的真实感。
1.2K10编辑于 2026-03-14- 来自专栏我爱计算机视觉
AIGC生成图像检测：全面分析与比较主流方案
随着 AIGC 技术的发展，由 AI 所生成的虚假图像的检测问题正成为一个新的研究热点。但是现有检测方法的实验条件与测试数据集不完全相同，无法直接横向对比检测性能。 为此，我们针对目前现有主流AIGC图像检测方案进行全面分析与比较。 在保证相同训练集与实验条件的情况下，分析测试目前检测算法的检测准确率与泛化性等性能指标，为AIGC生成图像检测领域提供一项基准的实验对比平台（Benchmark），同时整合并开源了多种现有AIGC生成图像的检测算法 Cham: Springer Nature Switzerland, 2022: 95-110. [7]Tan C, Zhao Y, Wei S, et al. 实验室团队已发表学术论文400余篇，多篇论文发表在IEEE TIFS、TIP、TDSC、TCSVT、TMM、TCYB、TCC、TNNLS、TPAMI、AAAI、IJCAI、NeurIPS、ACM MM、
3.7K11编辑于 2023-11-30 - 来自专栏GiantPandaCV
目标检测论文解读之RCNN
前言 最近准备开始认真的梳理一下目标检测的相关算法，组合成一个目标检测算法系列。之前看到了一张特别好的目标检测算法分类的甘特图，但忘记是哪里的了，要是原始出处请提醒我标注。 ? 我也会按照这个图来讲解目标检测算法。 背景介绍 什么是目标检测 所谓目标检测就是在一张图像中找到我们关注的目标，并确定它的类别和位置，这是计算机视觉领域最核心的问题之一。 目标检测算法分类 上面那张甘特图已经说明了目标检测算法主要分为两类，即： Two Stage目标检测算法。 RCNN算法 贡献 RCNN是第一个使用卷积神经网络来对目标候选框提取特征的目标检测算法。 RCNN成为了当时目标检测领域的SOAT算法，虽然现在很少有人使用到了，但论文的思想我们仍可以借鉴。任何事情都要经历一个从无到有的过程。
88210发布于 2019-12-04 免费AIGC检测工具推荐，助你轻松应对相关问题！
这些问题会严重影响论文的质量和可读性。AIGC检测工具能够帮助研究者发现这些问题，及时进行修改和调整，从而提升论文的整体质量。此外AIGC检测工具还可以帮助教育者和学术机构更好地管理和监督学术研究。 在学术界，保持AIGC率在一个合理的范围内是至关重要的，因为过高的AIGC率可能会导致学术不端行为。使用图灵论文AI写作助手，您可以轻松地进行AIGC率检测，确保您的论文原创性。 图灵论文AI写作助手提供了一种简单而直观的方式来检测AIGC率。您只需将您的论文文本粘贴到工具中，点击“检测”按钮，系统就会自动分析文本，并给出AIGC率的检测结果。 7. 使用高级功能：如果检测工具支持，利用高级功能如自定义规则、集成第三方工具等，可以提高检测的灵活性和适用性。8. 7. 理解检测结果：了解检测工具提供的结果，并能够解释其含义。这有助于您正确解读结果并采取适当的行动。8.
1.2K10编辑于 2025-08-30- 来自专栏贾志刚-OpenCV学堂
送书 | AIGC实战工业缺陷检测：从原理到代码
在上述背景下，AIGC 技术的引入显得尤为重要。AIGC 技术能够通过结合最相关的特定技术手段来生成逼真的缺陷图像，丰富训练数据集，从而提升 AI 模型的检测性能。 图3 通过正样本生成带缺陷负样本结果实例图 此外，AIGC 系统还可以接收操作人员的直接需求，从而进一步提高检测的可靠性和准确性。 通过结合 AI 模型和 AIGC 技术，木料缺陷检测不仅能够实现更高的自动化水平，还能显著降低操作人员的介入需求。 如图 7 所示，这是对一张正常的木料图进行人为噪声引入，然后分别使用高斯滤波去噪和中值滤波去噪的结果实例图。 图 7 像去噪实例图 以下代码示例展示了如何将图像增强、图像超分辨率、去噪和修复这三种功能与自然语言处理技术相结合，实现 AIGC 功能(由于代码过长，因此每个具体功能（算法）的实现代码已被省略)。
26710编辑于 2026-04-02 - 来自专栏贾志刚-OpenCV学堂
【论文推荐】《目标检测》必看的6篇论文【附pdf】
本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 02 推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。 03 推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。 这次我们请来了BAT算法工程师——张老师，推出【目标检测】论文精讲直播，为期2天，对论文和实验结果进行手把手分析，还有直播现场互动答疑，彻底夯实目标检测基础。 扫码添加客服 即可领取↓ 免费领目标检测论文PDF
1.8K50编辑于 2022-04-28 - 来自专栏arXiv每日学术速递
【论文推荐】《目标检测》必看的6篇论文【附pdf】
下面给大家介绍6篇有价值的目标检测论文，希望对大家的研究和工作有所帮助~ 凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。 本文就为大家推荐其中 6 篇有价值的目标检测论文。 目标检测论文推荐 2021 01 推荐理由：文章回顾了400多篇关于目标检测的论文，涵盖目标检测近20年的发展。 02 推荐理由：这篇论文作者提出一种简单而高效的通过解耦特征进行目标检测的蒸馏方法。 03 推荐理由：这篇论文为第一篇基于深度学习的无监督跨域目标检测论文，该文章对Faster R-CNN的图像级和实例级特征同时作对抗域自适应。 06 推荐理由：这篇文章提出了一种多层对抗网络用于适配双阶段检测器，所提出的网络主要包含两部分，分层域特征对齐和聚合的proposal特征对齐。 那么这些目标检测的论文怎样才能又好又快地吃透呢？
1.1K20编辑于 2022-05-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号