最近的一篇新的视觉MLP方面的工作，天津大学程明明组参与其中，通过充分利用2D特征图的位置信息设计的一个MLP结构ViP（Vision Permutator），获得了相当不错的性能。 简介论文提出一种简单高效的类MLP结构，Vision

这是近期的一篇视觉Transformer领域的工作，文章并没有设计更加复杂的token mixer，而是通过简单的池化算子验证视觉Transformer的成功在于整体架构设计，即MetaFormer。 简介Transformer已经在计

这是最近公开的CVPR2021主会议论文中一篇MOT方向的论文，将位置预测和特征提取两个任务协同工作，从而有效改善了遮挡等问题。 简介目前的多目标跟踪方法主要关注于两个方向来改进跟踪性能，一是基于跟踪信息从之前帧预测当前帧中的位置，二是

浙江大学等机构发布的一篇收录于CVPR2021的文章，提出了一种新的通道注意力结构，在几乎不引入参数的前提下优于大多SOTA通道注意力模型，如SE、ECA等。这篇文章虽然叫Gaussian Context Transformer，但是和T

最近的一篇基于Transformer的工作，由南京大学的研究者提出一种高效的视觉Transformer结构，设计思想类似ResNet，称为ResT，这是我个人觉得值得关注的一篇工作。 简介ResT是一个高效的多尺度视觉Transform

AWS的一篇新的MOT工作，将孪生跟踪器引入多目标跟踪中进行运动建模并获得了SOTA表现。 简介通过引入一个基于区域的孪生多目标跟踪网络，设计了一个新的online多目标跟踪框架，名为SiamMOT。SiamMOT包含一个运动模型来估计

最新的一篇MOT领域基于Transformer的工作，是第一个真正严格意义上端到端的多目标跟踪框架，超越了此前的TransTrack和TrackFormer等工作。 简介多目标跟踪的关键挑战在于轨迹上目标的时序建模，而现有的TBD方法大

MOT领域的一个新的SOTA方法，在FairMOT的基础上提出了特征图解耦和全局信息下的ReID Embedding的学习，前者和CSTrack思路类似，后者则采用了Deformable DETR里的deformable attentio

最近关于MLP的工作还是蛮多的，先是MLP-Mixer为视觉开了个新思路，接着EANet（即External Attention）和RepMLP横空出世，乃至最新的《Do You Even Need Attention? A Stack

最近看到汐梦聆海关于SL这个工作的阅读分享，发现自己工作中也有含噪声标签分类的问题（甚至有些场景标签干脆就是置信度不高的伪标签）。其实由于数据量大和标注成本受限，工业界的数据集常常会出现噪声标签，模型对这类标签的拟合会导致学习的异常进行。

关于PyTorch的实验工具之前我介绍过NVIDIA的runx，欢迎访问，不过runx是个偏向于集群使用的一个运行实验工具，我往往只使用其中日志记录的logx模块，本文则介绍一个主攻实验控制和记录的PyTorch实验工具—-Minetor

这篇文章是CSTrack原团队的一个新工作，核心出发点是引入时间信息来修正检测器结果以保证轨迹的连续，通过利用前后帧相关性来进行运动建模完善单帧检测的结果，从而使得跟踪更加合理。该方法从实验数据上来看效果是非常猛的，作者后续也会开放源代码