Elektrotechnik und Systemtechnik - Bild- und Videoverarbeitung

Eine neue Methode verbessert die Genauigkeit der Lebensmittelerfassung mit 3D-Modellen und 2D-Bildern.

Diese Studie untersucht die Genauigkeit von PPG bei der Blutdruckschätzung im Vergleich zu traditionellen Methoden.

Ein neuer Ansatz sagt Dopaminspiegel durch MRT-Scans voraus und verbessert so die Überwachung von Parkinson.

ToNNO verbessert die Geschwindigkeit und Genauigkeit der 3D-Medizinbildbeschriftung.

Ein neuer Ansatz mit Triple U-Net verbessert die Zellkernsegmentierung in medizinischen Bildern.

Neue Tools verbessern, wie wir die Bildqualität bewerten und verbessern.

Das neue Modell Cut-FUNQUE sagt die HDR-Videoqualität nach Tone Mapping und Kompression voraus.

Ein neues System verbessert die Fehlererkennung in Photovoltaikmodulen mithilfe von KI.

R-Trans verbessert die Echtzeitevaluierung chirurgischer Fähigkeiten mithilfe kinematischer Daten.

Ein Blick auf die Methoden zur Bewertung von KI-generierten Bildern.

Ein Blick auf moderne Methoden und ihren Einfluss auf die Gesundheitsversorgung.

Diese Studie bewertet Deep Learning-Modelle zur Verbesserung der medizinischen Bildklassifizierung.

Echtzeit-Komprimierte Wahrnehmung verbessert die Datenübertragung und -verarbeitung in miniaturisierten Satelliten.

Deep Learning verbessert MRT-Scans, steigert die Geschwindigkeit und Bildqualität für eine bessere Diagnose.

Neue Techniken verbessern die Fehlererkennung bei 3D-gedruckten Objekten und sorgen für Qualität.

Eine neue Methode verbessert die Genauigkeit in der Herzbildgebung, indem sie verschiedene Perspektiven kombiniert.

Teams nehmen die Herausforderung an, niedrig aufgelöste Bilder in beeindruckendes 4K zu verbessern.

Eine schnelle und effektive Methode zur Segmentierung von Netzhautschichten mit OCT-Bildern.

Mamba-Ahnet verbessert die medizinische Bildsegmentierung für eine genaue Erkennung von Läsionen.

EvaNet kombiniert Satellitenbilder und Höhendaten für eine bessere Genauigkeit bei der Hochwasserkartierung.

Neues Modell verbessert die Qualität von Satellitenbildern für bessere Analysen.

CSA-Net verbessert die Segmentierungsgenauigkeit für medizinische Bilder und steigert die diagnostischen Möglichkeiten.

Ein System analysiert Echokardiografie-Bilder, um Herzkrankheiten schnell zu erkennen.

DDPET-3D verbessert Niedrigdosis-PET-Bilder für eine bessere Diagnose.

MMIST-ccRCC bietet umfassende Daten für personalisierte Krebsbehandlung.

GroupedMixer verbessert die Geschwindigkeit und Qualität der Bildkompression mit innovativen Techniken.

Die Kombination von Modellen verbessert die Genauigkeit der hyperspektralen Bildklassifikation.

Ein Modell verbessert die Vorhersagen der Lichtreflexion von Böden, um Umweltstudien zu unterstützen.

JOSENet verbessert die Echtzeit-Erkennung von Gewalt in Überwachungsaufnahmen mit fortschrittlichen Methoden.

Neue Methoden verbessern die EIT-Bildgenauigkeit für medizinische und industrielle Anwendungen.

Neue Methoden verbessern die Texturkompression für Grafik-Effizienz und Qualität.

SiSIFUS verbessert die Bildklarheit in der Fluoreszenzlebensdauerbildgebung für biologische Studien.

Neues Modell verbessert die Krankheitsklassifikation mit begrenzten beschrifteten und unbeschrifteten medizinischen Bildern.

D-TrAttUnet verbessert die Segmentierungsgenauigkeit in medizinischen Bildgebungsaufgaben.

Synthesedaten bieten vielversprechende Lösungen für Herausforderungen in der medizinischen Bildgebung.

SegCLR verbessert die Segmentierung von Augenbildern, indem es sowohl gelabelte als auch ungelabelte Daten verwendet.

Ein neues hybrides System kombiniert optische und elektronische Methoden für eine effiziente Bildklassifizierung.

Ein umfassendes Framework zur Analyse der XR-Leistung in edge-unterstützten drahtlosen Netzwerken.

Diese Forschung konzentriert sich darauf, KI zur frühen Erkennung von Netzhauterkrankungen zu nutzen.

CoVScreen verbessert die COVID-19-Diagnose mit Hilfe von Röntgenaufnahmen der Brust und Deep-Learning-Techniken.