机器视觉资讯20240329

行业资讯

Stable Diffusion 3: The New AI Image Generator from Stability AI： 2024-03-27T13:27:50+00:00

Introduction

2024 is the year of Generative AI with the likes of Claude 3 in text generation, Devin AI with software engineering, and even taking strides in image generation with Stable Diffusion 3. It’s been over a month since Stable Diffusion, so let us explore what Stability AI’s new cutting-edge model has to offer!

What is Stable Diffusion?

Stable Dif

......长按二维码访问原文

汇萃智能旗下汇达高精密隆重开业，再增智能制造新动力！--机器视觉网 2024-03-28 11:03:39

2024-03-28 11:03:39 来源: 中国机器视觉网

2024年3月27日，春日的阳光洒落在杭州这片繁华的土地上，仿佛为即将上演的盛事铺就了一层金色的地毯。在这光辉灿烂的日子里，杭州汇萃智能科技有限公司的全资控股子公司——杭州汇达高精密设备科技有限公司在一片热烈而隆重的氛围中正式开业。此次开业不仅标志着汇萃智能在智能制造领域的又一重要布局落子，更彰显了公司积极进取、不断开拓的精神风貌，为杭州乃至全国的智能制造行业注入了新的活力与希望。

礼毕，汇萃智能董事长周董进行开业致辞。他首先回顾了汇萃智能的辉煌发展历程，并对汇达高精密设备科技有限公司的盛大开业表示了由衷的祝贺。周董表示，汇达高精密设备科技有限公司的成立，是汇萃智能在智能制造领域战略布局的重要一环，标志着汇萃智能在这一领域的进一步深耕与拓展

......长按二维码访问原文

布料颜色识别检测--机器视觉网 2024-03-28 19:09:55

由于此实验需进行颜色深浅判别，实际产线现场应避免环境光的影响，实际曝光时间根据现场情况进行调整；根据软件处理结果分析，颜色由深到浅的判别方式可采用亮度进行判别，判别布料不同色系可通过色彩A、B值进行判断；工件本身不平整可能会导致光照不均匀，导致拍摄成像效果不佳，影响软件处理结果，建议检测前先将布料拉直处理，再进行拍摄；实验室现场检测环境中，线阵运动平台为黑色，为确保区分黑色布料，使用白纸作为背景进行拍摄；现场检测过程中，建议来料方向一致性，使检测结果更加稳定；实验结果表明：相同布料颜色的深浅值差异不明显，可能会导致软件处理结果误差，因此初步验证表明此次检测无法实现检测目的；本方案参数及效果为实验室验证，实际应用中需要根据现场情况进行相应的调整为方便现场安装调试，建议把相机、镜头等视觉硬件安装机构设计为可微调的结

......长按二维码访问原文

如何理解光圈数与平面光照度的关系--机器视觉网 2024-03-28 16:12:07

2024-03-28 16:12:07 来源: 中国机器视觉网

镜头本体上，我们经常能看到一圈数字1.4；2；2.8；4；5.6；8；11；16；22；所代表的含义是镜头的光圈数。那么它和像平面光照度是什么关系呢？

首先给出光圈数与像平面光照度关系的结论：光圈的分度方法一般是按照每一刻度值对应的像平面光照度依次减小一半。由于像平面光照度与相对孔径平方成比例，所以相对孔径按等比级数变化，一般分度值为：1:1.4；1:2；1:2.8；1:4；1:5.6；1:8；1:11；1:16; 1:22;为了简便，光圈的实际标注刻度值为：1.4；2；2.8；4；5.6；8；11；16；22； 划重点：光圈减小一级，像平面的光照度减小一半。

那么，如何理解此关系呢？

首先，光照度表示被照明的表面单位面积上所接受的光通

......长按二维码访问原文

MVTec：电池制造中的火眼金睛--机器视觉网 2024-03-28 16:05:19

2024-03-28 16:05:19 来源: 中国机器视觉网

电池生产在制造业中具有至关重要的地位。随着电池在日常生活中的广泛应用，对高质量电池的需求也在不断增加。

随着电池需求的上升，我们迫切需要更加高效、精密和准确的生产流程。机器视觉技术在电池生产过程的质量控制中发挥了重要作用。

电池生产中的机器视觉：确保质量和准确性。这对于电池的安全性、性能和使用寿命至关重要；允许优化电池生产工作流畅，并将生产废料最小化；有助于高效利用稀缺资源，延缓降解；在所有环境中实现可靠的、全天候的高速生产，100% 在线检查；确保零部件和工序步骤的可追溯性。

机器视觉应用于整个电池生产过程

电极制造

电极制造是电池单元生产中的关键步骤，涉及到阳极和阴极的制造。 该过程从基材箔开始，在上面涂覆浆料。接下来是烘干过程

......长按二维码访问原文

图像传感器何以推动嵌入式视觉技术的发展？--机器视觉网 2024-03-28 16:01:20

2024-03-28 16:01:20 来源: 中国机器视觉网

图像传感器推动嵌入式视觉技术发展

新的成像应用正在蓬勃发展，从工业4.0中的协作机器人，到无人机 消防或用于农业，再到生物特征面部识别，以及家庭中的护理点手 持医疗设备。这些新应用场景出现的一个关键因素是，嵌入式视觉 比以往任何时候都更普及。嵌入式视觉不是一个新概念；它只是定 义了一个系统，其中包括一个视觉设置，该设置在没有外部计算机 的情况下控制和处理数据。它已广泛应用于工业质量控制，为人熟悉的例子比如“智能相机”。

近年源于消费类市场经济适用硬件器件的开发，相较于以往使用电 脑的方案，这些器件大幅度减小了材料清单(BOM)成本和产品体 积。举个例子，小型系统集成商或OEM现在能够小批量采购诸如 NVIDIA Jetson的单板机或模块系统

......长按二维码访问原文

普雷茨特使用线传感器实现精密螺丝检测--机器视觉网 2024-03-28 15:45:45

2024-03-28 15:45:45 来源: 中国机器视觉网

在消费类电子领域的大规模生产线中，光学传感器不仅需要高精度和高速度，还需要进行在线测量。不同材料之间的相互作用和这些产品的复杂几何形状给质量控制工作带来了挑战。

普雷茨特 3D 测量技术可以帮助消费类电子领域应对这些挑战，确保量产符合标准工艺要求。

在精密电子部件的组装过程中，需要通过各种精密螺丝来实现紧固和连接。其尺寸精度、粗糙度等方面都比普通螺丝要求更高。由于各个细微部件紧凑集成，肉眼很难辨识出不合格品。传统的三角测量因为存在死角，这对于 3D 测量任务提出了很大挑战。

因此，为确保所有部件功能正常，需要在量产过程中对其进行高效、全面地测试和控制。

测量要求

如下绿色框中的图片为本次需要测试的样品。从右侧放大后的图片可以看出，上面密

......长按二维码访问原文

视展光电高炉炉内偏振智能成像系统--机器视觉网 2024-03-28 15:40:32

2024-03-28 15:40:32 来源: 中国机器视觉网

应用背景

在冶金过程中，高炉在布料生产作业时，需要实时掌握炉内料面分布状况、料面高度变化、气流分布状态及摆动溜槽的运行情况。炉内环境复杂多变，生产作业时伴随高温、强光和粉尘，普通光学摄像头难以看清炉内作业状况。

视展光电团队研发的高炉炉内偏振智能成像系统，基于炉内相机采集的红外偏振图像，开发了红外偏振图像重构算法，克服了强光和粉尘对成像的干扰，可对炉内料面实现清晰成像。

功能特点

料面可视化成像：系统可实时查看炉内画面，高炉炉内偏振智能成像系统内置多种智能算法可对料面细节进行增强处理，使料面观测更加直观。

关键位置跟踪检测：系统可在画面中设置多个温度测量点位，对其进行持续监测，并通过人工智能算法分析其变化趋势。

中心气流占比识别：系统

......长按二维码访问原文

精度成就一切：精密测量，揭秘世界的密码--机器视觉网 2024-03-28 15:02:57

2024-03-28 15:02:57 来源: 中国机器视觉网

科学计量：揭秘精准世界的密码

从远古时代开始，人类一直在探索世界并寻找衡量尺度的方法。从最初的观星纪年、迈步定亩，到现代的精密测量仪器，我们的测量手段随着文明的进步而不断演进。作为现代科技的重要组成部分，精密测量仪器已广泛应用于各个领域，为科学研究、工程实践和日常生活提供了强有力的支持。

回顾历史，我们可以清楚地看到精密测量仪器在人类发展中的关键作用。19世纪，随着生产力水平的提高，社会对于统一计量单位和高准确度测量的需求日益迫切。1875年的《米制公约》的签署标志着全球范围内对于统一计量单位制度的共识，为精密测量仪器的发展奠定了基础。随着技术的进步，精密测量仪器的准确度不断提高，催生了许多重要科学仪器的发明和应用，如激光、X射线干涉仪、扫描

......长按二维码访问原文

埃科光电新品登场闪耀成都机器视觉创新论坛―新闻频道- 视觉系统设计 2024/3/28 23:04:01

3.28 成都

机器视觉创新论坛

2024年3月28日，由机器视觉产业联盟（CMVU）主办的机器视觉技术工业应用创新论坛在成都市成功举办。

埃科光电不负春日之约，带领众多新品亮相会场，并向大家动态展示了高速面阵相机的应用方案，吸引来众多观众驻足参观和交流讨论。

新品亮相

本次重磅登场的新品有短波红外制冷线阵相机、TS-U30系列小面阵相机及万兆网图像采集卡，产品可胜任光伏、半导体、3C等行业的机器视觉应用。

现场还动态演示了高速面阵相机TS12MCXP10-305M的检测方案，相机帧率高达305fps，可实现多场景、多种类缺陷的高精度检测，如SMT自动光学检测、晶圆表面检测、半导体封装检测、生物成像等。

埃科工作人员们围绕新品的性能特点及应用方案与现场观众充分互动交流，积极展示工业相机最新技术动态

......长按二维码访问原文

海伯森高端智能传感器同时亮相国内外多场展会―新闻频道- 视觉系统设计 2024/3/28 22:58:45

3月28日，海伯森系列传感器产品以卓越的性能和前沿的技术，同时在韩国智能工厂及自动化展、成都AI+机器视觉技术工业应用创新论坛以及深圳工业展上精彩亮相，吸引了来自全球各地行业精英的目光。

韩国智能工厂及自动化展会

开展日期：

2024年3月27-29日

开展地点：

首尔Coex

海伯森展位号：

Hall C973

随着智能制造的不断发展，传感器作为智能工厂的核心组成部分，其性能的稳定性和精准度直接关系到整个生产线的运行效率和产品质量。在韩国智能工厂及自动化展会上，海伯森的3D视觉检测传感器和六维力传感器受到众多参展企业的青睐。凭借着卓越的性能，海伯森传感器为智能工厂提供了强有力的技术支持，助力韩国乃至全球的制造业实现转型升级。

AI+机器视觉技术

工业应用创新论坛

开展日期：

2024年

......长按二维码访问原文

昂敏智能携优势产品盛装出席2024ITES深圳工业展！―新闻频道- 视觉系统设计 2024/3/28 22:38:04

2024 ITES深圳工业展已正式拉开帷幕！

昂敏智能携优势产品盛装出席！！！

展位号：10-N40

期待您的莅临！！！

现场展品：

AI-Master 机器视觉软件

——电气工程师的机器视觉软件

折弯机角度测量系统

——提升折弯精度

IOSS DMR420 智能读码器

——结构紧凑、性能可靠、智能读取

更多产品：

WID 120 晶圆 ID 读码器

批量晶圆 ID 读取系统

IOSS DMR210 UDI医学代码UDI读取和验证系统

IOSS DMR210 UDI医学代码UDI读取和验证系统IOSS 最新研发的 DMT300 Q-Scanner台式读取系统是医疗技术、工具和工业中苛刻应用的终极读码器。

为广泛的应用提供解决方案，如植入物和仪器上的 UDI 代码识别、工具和组件的

......长按二维码访问原文

IMDT推出配备最新RENESAS RZ/V2H SOC的新型SOM和SBC―新闻频道- 视觉系统设计 2024/3/27 22:11:45

全球领先的尖端视觉和AI驱动型产品和系统供应商IMDT今天宣布，公司新推出了一系列基于新型RenesasRZ/V2H微处理器的高功效、高性价比的即用型系统模块（SOM）和单板电脑（SBC）解决方案。

基于Renesas V2H的IMDT产品系列为机器人、物联网和工业应用提供先进的功能和高性能解决方案。这些产品配备了基于Arm的强大CPU和Renesas专有的AI加速器，可支持高带宽通讯、机器学习和高画质图像处理等多种用途。

RZ/V2H处理器采用功率效率达10 TOPS/W的Renesas专有DRP（动态可重新设定处理器）-AI3 AI加速器。此外，该处理器还集成了四个Arm® Cortex®-A55 CPU核心，最大工作频率为1.8 GHz，是专为Linux应用处理而量身定制的。为实现高效能实时处理，该处

......长按二维码访问原文

2024中国智能汽车技术展―新闻频道- 视觉系统设计 2024/3/27 22:03:47

3月27日，由中国汽车工业协会主办，重庆市电源学会、重庆市福祥会展服务有限公司共同承办的“2024中国智能汽车技术展及整零对接活动”在重庆国际博览中心正式开幕。来自国内外的300多家汽车相关企业及组团单位盛装亮相，规模达15000�O，展期共3天，预计将吸引20000人次专业观众到场参观交流。

中国汽车工业协会专务副秘书长姚杰、原中国汽车工业协会展览部主任申跃生、国家重点研发计划首席科学家王英、中国航天科技国际交流中心产业处处长范强、长安汽车新汽车开发部车体开发所经理谭昌勇等嘉宾参加了巡馆仪式，与展商们进行沟通，了解企业最新技术进展与创新成果。

300家知名企业齐聚，释放汽车产业新动能

本次展会汇聚了阿维塔、理想汽车、鞍钢、宝钢、河钢、中信泰富特钢、涟钢、重庆平伟、东晶电子、佳南电气、米思米、杭州之江、万

......长按二维码访问原文

通过光学在线检测系统精准检测中空玻璃生产中的缺陷―技术与应用频道- 视觉系统设计 2024/3/28 22:43:36

挑战：检测缺陷

必须开发一种检测系统，以可靠地检测玻璃中最小的缺陷，完全自动化并直接集成到中空玻璃生产中。目标是用自动化的客观过程取代手动光学检测。

解决方案：在线检测

带有多达 12 个摄像头的扫描单元直接集成到中空玻璃生产线中。它将图像数据传输到外部 PC。检测系统甚至可以跟上大约 10 分钟的最高生产速度。1米/秒。

OBV 扫描系统 – OB-Vision / Oderglas GmbH

OBV扫描系统可直接集成到中空玻璃生产线中，并在显示器上显示缺陷和检查结果。

多达 12 个摄像头检查玻璃板是否有缺陷

中空玻璃制造商必须在竞争激烈的市场中面对竞争，并满足对玻璃质量的最高要求。因此，他们需要在生产过程中进行可靠、全自动的质量控制。为此，开发了一种新的创新检测系统，可轻松集成到中空玻璃生产

......长按二维码访问原文

AI推介-多模态视觉语言模型VLMs论文速览（arXiv方向）：2024.01.10-2024.01.15 2024-03-28 12:56

1.Concept-Guided Prompt Learning for Generalization in Vision-Language Models

标题:概念引导提示学习，促进视觉语言模型的泛化

author:Yi Zhang, Ce Zhang, Ke Yu, Yushun Tang, Zhihai He

publish:Accepted by AAAI 2024

date Time:2024-01-15

paper pdf:http://arxiv.org/pdf/2401.07457v1

摘要： 对比语言-图像预训练（CLIP）模型在建立文本和图像之间的跨模态连接方面表现出卓越的功效，通过微调在广泛的下游应用中取得了令人印象深刻的性能。然而，对于泛化任务，目前的 CLIP 微调方法（如

......长按二维码访问原文

工业相机文字识别：智能解锁视觉信息的奥秘 2024-03-28 15:46

随着工业4.0时代的到来，机器视觉技术日益成为工业自动化领域不可或缺的一环。工业相机，作为机器视觉系统的核心部件，以其高分辨率、高速度、高稳定性等特性，在文字识别领域展现出巨大的潜力。那么，如何用工业相机识别文字呢？本文将对此进行详细的探讨。

首先，我们需要明确工业相机文字识别的基本原理。简单来说，就是通过工业相机捕捉包含文字的图像，然后利用图像处理算法和机器学习技术，对图像中的文字进行提取、分析和识别。这一过程中，涉及到了图像预处理、特征提取、分类识别等多个步骤。

在图像预处理阶段，我们需要对相机捕捉到的原始图像进行去噪、二值化、形态学变换等操作，以提高图像的质量，减少后续处理的难度。这一步骤对于后续的文字识别至关重要，因为它直接影响到识别结果的准确性和稳定性。

接下来是特征提取阶段。在这一阶段，我们需

......长按二维码访问原文

康耐视visionpro-CogAcqFifoTool工具详细说明 2024-03-28 18:43

CogAcqFifoTool操作说明：

① 打开工具栏，双击或点击鼠标拖拽

添加CogAcqFifoTool

②.从图片采集设备/图像采集卡列表里选择对应的相机，视频格式选择图像格式。

Mono表示黑白图像，RGB表示彩色相机。点击初始化取相初始化相机。

③. 设置相机的曝光时间、亮度及对比度等参数。“时限”即取图像采集超时的时限。

④.点击运行，相机采集图像

⑤.点击 Live Display 实时显示图像

⑥.闪光灯和触发器：设置相机的硬触发模式图像属性：设置图像的长度及宽度等图像属性

自定义属性：可根据需要添加相机的其他属性

......长按二维码访问原文

CVPR 2024 | 显著涨点！H-SAM：通过分层解码释放SAM在医学适应方面的潜力 2024-03-28 22:26

H-SAM：一种简单高效的分层掩码解码器，用于医学图像分割中的分割一切模型的自适应，有效整合了医学先验知识，显著提升分割性能，尤其是有限样本的医学图像分割，代码刚刚开源！

点击关注 @CVer官方知乎账号，可以第一时间看到最优质、最前沿的CV、AI、AIGC工作~

快点击进入：CVer技术交流平台

H-SAM

Unleashing the Potential of SAM for Medical Adaptation via Hierarchical Decoding

单位：华东师范大学, 斯坦福, JHU, 港大等

代码：https://github.com/Cccccczh404/H-SAM

论文：https://arxiv.org/abs/2403.18271

CVPR 2024 论文和开

......长按二维码访问原文

自动化机器视觉检测工作特点 2024-03-28 11:11

当代工控自动化生产一直倡导高效率方式，传统式的人工检验检测已不可以考虑生产必须。而机器视觉的问世非常好的切合了当代生产方式的发展趋势，而且凭着其准确性、可重复性、速率高、普遍性、低成本等优点在诸多行业获得应用推广，特别是在是检验技术层面获得了关键贡献。下面聊聊自动化机器视觉检测工作特点。

在自动化机器视觉检测一般用在精确测量和零件分辨运用，比如汽车零配件规格定期检查自动组装的完整性检查，电子器件装配流水线的元器件全自动精准定位，饮料瓶盖的包装印刷质量检测，手机后盖logo检验，包装设计上的条形码和字符识别等。这种运用的相互特性是持续大批生产、对外型品质的规定十分高，想要考虑这种标准只有应用机器视觉技术。

自动化机器视觉检测工作特点

提升生产的软性和自动化技术水平，在一些不宜人工工作的风险办公环境或人工视觉

......长按二维码访问原文

[IEEE-TASE-2024] 基于噪声抑制网络的跨域无人机检测及其新基准 2024-03-28 16:47

无人机检测可以分为基于外观和运动信息的两类视觉检测方法。在基于外观的无人机检测中我们经常遇到一个问题是，当遇到新的环境或者新的无人机时，已经训练好的无人机检测网络的性能通常会有明显的下降。

因此，我们提出了一种基于无监督的跨域无人机检测算法来解决这个问题。相关的研究成果已经被期刊IEEE Transactions on Automation Science and Engineering接收。第一作者为西湖大学智能无人系统课题组博士生张尹，通讯作者为赵世钰。下面我们来具体介绍这个工作。

论文发表截图

跨域无人机检测新基准——M3D数据集

作为第一个关注于跨域无人机检测的工作，我们亟需建立一个新基准来研究这个问题。我们提出一个新的无人机检测数据集M3D （Multi-MAV-Multi-Domain）来构

......长按二维码访问原文

讨论下一个token预测时，我们可能正在走进陷阱 2024-03-28 23:09

前言 自香农在《通信的数学原理》一书中提出「下一个 token 预测任务」之后，这一概念逐渐成为现代语言模型的核心部分。最近，围绕下一个 token 预测的讨论日趋激烈。然而，越来越多的人认为，以下一个 token 的预测为目标只能得到一个优秀的「即兴表演艺术家」，并不能真正模拟人类思维。人类会在执行计划之前在头脑中进行细致的想象、策划和回溯。遗憾的是，这种策略并没有明确地构建在当今语言模型的框架中。对此，部分学者如 LeCun，在其论文中已有所评判。

在一篇论文中，来自苏黎世联邦理工学院的 Gregor Bachmann 和谷歌研究院的 Vaishnavh Nagarajan 对这个话题进行了深入分析，指出了当前争论没有关注到的本质问题：即没有将训练阶段的 teacher forcing 模式和推理阶段的自

......长按二维码访问原文

《YOLOv9魔术师专栏》专栏介绍 & 专栏目录 2024-03-28 12:57

​

《YOLOv9魔术师专栏》将从以下各个方向进行创新（更新日期24.3.28）：

【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化 】【SPPELAN & RepNCSPELAN4优化】【小目标性能提升】【前沿论文分享】【训练实战篇】

订阅者通过添加WX: AI_CV_0624，入群沟通，提供改进结构图等一系列定制化服务。

订阅者可以申请发票，便于报销

YOLOv9魔术师专栏

为本专栏订阅者提供创新点改进代码，改进网络结构图，方便paper写作！！！

适用场景：红外、小目标检测、工业缺陷检测、医学影像、遥感目标检测、低对比度场景

适用任务：所有改进点适用【检测】、【分割】、【pose】、【分类】等

全网独家首发

......长按二维码访问原文

微软无人机感知视觉数据集TartanAir介绍 2024-03-28 19:50

数据集 TartanAir，用于机器人导航任务等。数据是在各种光照条件、天气和移动物体存在的逼真模拟环境中收集的。

通过在仿真中收集数据, 能够获得多模态传感器数据和精确的地面真实标签，包括立体RGB图像、深度图像、分割、光流、相机位姿和LiDAR点云。

数据集设置大量不同风格和场景的环境，涵盖具有挑战性的视点和多样化的运动模式，这是使用物理数据采集平台难以实现的。

数据集可以作为slam构建，识别算法训练等。

数据集特征

模拟场景

在虚幻引擎中采用了 30 个逼真的模拟环境。这些环境为我们提供了广泛的场景，涵盖了许多有趣但具有挑战性的情况。模拟场景包括

具有详细 3D 对象的室内和室外场景。我们拥有多个房间、装饰华丽的室内环境。对于室外模拟，有各种建筑物、树木、地形和景观。

特殊用途设施和普通

......长按二维码访问原文

即插即用！上交提出Long-CLIP：解锁CLIP的长文本功能 2024-03-28 23:12

前言 本文介绍的工作在CLIP的基础上，提出了具有长文本能力的Long-CLIP，弥补了CLIP在长文本建模上的重大短板，并可以即插即用地利用在各种多模态任务中。

本文转载自极市平台

仅用于学术分享，若侵权请联系删除

欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

CV方向的准研究生们，未来三年如何度过？

招聘高光谱图像、语义分割、diffusion等方向论文指导老师

简介

本文介绍了一个名为Long-CLIP的框架。Long-CLIP解决了CLIP有效长度不足、缺乏长文本能力的弊病，并在检索任务上获得了显著提升。此外，Long-CLIP保持了CLIP原始的特征空间，可以在图像生成等下游任务中即插即用地替换CLIP，以实现长文本细粒度图像生成。

......长按二维码访问原文

CVPR 2024｜生成不了光线极强的图片？微信视觉团队有效解决扩散模型奇点问题 2024-03-28 17:45

机器之心专栏。

扩散模型凭借其在图像生成方面的出色表现，开启了生成式模型的新纪元。诸如 Stable Diffusion，DALLE，Imagen，SORA 等大模型如雨后春笋般涌现，进一步丰富了生成式 AI 的应用前景。然而，当前的扩散模型在理论上并非完美，鲜有研究关注到采样时间端点处未定义的奇点问题。此外，奇点问题在应用中导致的平均灰度等影响生成图像质量的问题也一直未得到解决。

为了解决这一难题，微信视觉团队与中山大学合作，联手探究了扩散模型中的奇点问题，并提出了一个即插即用的方法，有效解决了初始时刻的采样问题。该方法成功解决了平均灰度问题，显著提升了现有扩散模型的生成能力。这一研究成果已在 CVPR 2024 会议上发表。

扩散模型在多模态内容生成任务中取得了显著的成功，包括图像、音频、文本和视频等

......长按二维码访问原文