Computerwissenschaften - Computer Vision und Mustererkennung

Ein neues Modell verbessert die Vorhersagen für die Dauer von endoskopischen Hypophysenoperationen.

Dieser Artikel vergleicht U-Net und transformerbasierte Modelle für die Segmentierung von Mikroskopie-Bildern.

TUMSyn erzeugt MRT-Bilder mit bestehenden Scans und Textvorgaben, um Diagnosen zu unterstützen.

Eine neue Strategie kombiniert generatives und diskriminatives Training in Vision-Language-Modellen.

RadFlag hilft, sicherzustellen, dass KI-generierte medizinische Berichte genau und vertrauenswürdig sind.

Eine neue Methode verbessert die Effizienz von Computermodellen, während die Leistung erhalten bleibt.

RL2 bietet eine zuverlässige Möglichkeit, die Qualität medizinischer Bilder mit weniger Ressourcen zu bewerten.

Eine Studie zeigt die Herausforderungen, die KI hat, um Formen über TurtleBench zu interpretieren.

Die Forschung untersucht, wie VLMs Charts interpretieren und verstehen im Vergleich zu menschlichen Fähigkeiten.

Neue Transformer-Modelle verbessern die Bewertung bei Aufgaben der Computer Vision.

Lern, wie Transformatoren Daten verarbeiten und sich neuen Aufgaben anpassen.

Ein neuer Ansatz zur Verbesserung der Satellitenbild-Erkennung bei gleichzeitiger Kostenkontrolle.

Die Herausforderungen und Lösungen bei der linsensfreien Bildgebungstechniken erkunden.

Ein neuer Ansatz kombiniert Vorlesungsvideos und Folien für eine bessere Einbindung der Studierenden.

SeafloorAI liefert wichtige Sonardaten, um den Meeresboden zu untersuchen.

Ein neues Dataset und Modelle beschleunigen die Suche und Rettung nach Überschwemmungen.

Forschung zeigt ein automatisiertes System zur Verfolgung von Parkzeiten.

Die Studie untersucht die Auswirkungen von verlustbehafteter Kompression auf Deep Learning in der medizinischen Bildsegmentierung.

PathoGen-X kombiniert Bildgebungs- und Genomdaten für bessere Vorhersagen zur Überlebensrate bei Krebs.

Eine neue Methode verwandelt Punktwolken für bessere Dateneffizienz.

Neue Methoden verbessern die Bildqualität mit begrenzten Daten in neuer Ansichtssynthese.

Ein bahnbrechender Datensatz zum Studium der Muskelaktivierung bei menschlicher Bewegung.

Eine neue Methode verbessert die Genauigkeit der Erkennung in der medizinischen Bildgebung.

Dieser Artikel bespricht eine neue Methode zur Kombination von LiDAR- und Kameradaten.

LoCAL vereinfacht, wie wir mit langen Dokumenten umgehen.

MultiDepth verbessert die Tiefenschätzung und macht Maschinen schlauer in ihrer Umgebung.

Entdecke, wie Deep Learning die Bildgebung und Analyse von Nanopartikeln verbessert.

Eine neue Methode verbessert die Bilderkennung, wo Daten knapp sind.

Zellformen geben wichtige Hinweise zur Gesundheits- und Krankheitsklassifikation.

Forscher verbessern grosse multimodale Modelle für ein besseres visuelles Verständnis.

Dieser Ansatz hilft KI-Systemen, besser zu lernen, ohne menschliche Labels zu brauchen.

TaxaBind kombiniert verschiedene Datentypen, um die Artenklassifikation und Naturschutzbemühungen zu unterstützen.

Forscher nutzen Videotechnologie, um die Gesundheitsbewertung von Kühen und die Milchqualität zu verbessern.

CHANGER verbessert das Head-Blending für Filme und Spiele mit fortschrittlichen Techniken.

Neues Framework verbessert das Verständnis von Videos bei schwachem Licht mit Eventkameras.

Untersuchung, wie neuronale Netze Formen mit fehlenden Teilen erkennen.

Technologische Fortschritte beim Verfolgen mehrerer Objekte auf kleinen Geräten.

DRL-STNet verbessert die Segmentierung von medizinischen Bildern über verschiedene Modalitäten hinweg.

Neuer Datensatz hilft, winzige mikrobielle Zellen effektiver zu verfolgen.

PLATYPUS verbessert die Klarheit von 3D-Punktwolken für ein besseres Maschinenverständnis.