主要观点总结
本文总结了美团技术团队在CVPR 2024会议上发表的七篇论文的解读。这些论文涉及计算机视觉和人工智能领域的技术创新，包括文本引导的视觉生成模型，多模态情感识别技术等内容。
关键观点总结
关键观点1: 论文精选概览
美团技术团队在CVPR 2024会议上发表了七篇精选论文，这些论文涵盖了计算机视觉和人工智能领域的多个创新方向。
关键观点2: 论文一：OCR预训练技术升级
美团提出了一种创新的OCR预训练方法，称为ODM，可以更好地对齐文本提示和图像中的OCR文本，提高预训练模型的性能。
关键观点3: 论文二：长尾半监督学习技术创新
针对长尾半监督学习问题，美团介绍了一种基于平衡和熵的混合方法BEM，重新平衡了数据量和不确定性的类别分布，提高了性能。
关键观点4: 论文三：图像驱动算法研究
美团首次尝试构建大型视觉运动模型LVMM，用于预测复杂场景的光流，生成逼真的图像运动效果。
关键观点5: 论文四：数字人生成技术探索
美团提出了CustomListener技术，用户可以使用任意自由文本自定义数字人的属性，结合讲话内容生成逼真的反应。
关键观点6: 论文五：视听分割技术研究
美团提出了一种新的视听Transformer框架COMBO，探讨了视听分割中的像素纠缠、模态纠缠和时间纠缠关系，提高了性能。
关键观点7: 论文六：合成数据集在目标检测中的应用
美团利用合成数据集InstaGen增强目标检测器的性能，通过集成实例级检测头提高生成图像中物体实例的定位能力。
关键观点8: 会议活动
美团在CVPR 2024西雅图会场组织了一系列线下活动，包括论文分享、Booth展台展示、Workshop等。
文章预览
总第591 篇 | 2024年第011篇 本文精选了美团技术团队被CVPR 2024收录的7篇论文进行解读，这些论文既包括OCR预训练、长尾半监督学习等基础学习范式升级，也包括图生视频、数字人驱动、视听分割（AVS）等视觉AIGC技术创新。这些论文有美团视觉智能部的独立产出，也有跟高校、科研机构合作的成果。希望能给从事相关研究工作的同学带来一些帮助或启发。 CVPR 全称为 IEEE Conference on Computer Vision and Pattern Recognition，国际计算机视觉与模式识别会议。该会议始于1983年，与ICCV和ECCV并称计算机视觉方向的三大顶级会议。根据谷歌学术公布的2022年最新学术期刊和会议影响力排名，CVPR在所有学术刊物中位居第4，仅次于Nature、NEJM和Science。 6月27日（ 周四 ），我们将邀请4位论文作者进行线上分享，文末有详细介绍（ 以及CVPR展会信息 ），欢迎 点击这里 报名~ 01
………………………………
