Computerwissenschaften - Computer Vision und Mustererkennung

NSSR-DIL wandelt niedrigqualitative Bilder effizient um, ohne grosse Datensätze zu brauchen.

Ein maschinelles Lernverfahren, das Bewegung nutzt, um visuelle Daten effektiv zu lernen.

Diese Studie überwacht die Waldveränderungen in der Elfenbeinküste mit Hilfe von fortschrittlichen Satellitendaten.

Neue Methoden zur Verbesserung der Bildgenerierung durch flexible latente Raumdarstellung.

Text in lebendige digitale Bewegungen verwandeln mit innovativen Modellen.

Neue Methode verbessert die Genauigkeit der Polypenerkennung bei Koloskopie-Verfahren.

Ein neuer Ansatz verbessert die Bild- und Formenrepräsentation mit einer lernbaren Aktivierungsfunktion.

Die Automatisierung der Tumorsegmentierung in PET/CT-Bildern verbessert die Genauigkeit und beschleunigt die Diagnose.

Forschung zeigt Lücken in Bildklassifizierungsmodellen, wenn Objekte teilweise versteckt sind.

Dieses Framework ermöglicht ein schnelles Lernen neuer Objektkategorien mit minimalen Daten.

Erforschen, wie Fahrzeuge in Echtzeit Informationen austauschen, um Sicherheit und Effizienz zu verbessern.

Playground v3 verwandelt Textvorgaben in hochwertige Bilder mit Präzision.

Ein neues System verbessert die Geschwindigkeit und Genauigkeit der Videobeschriftung.

KAT verbessert Deep Learning, indem es fortschrittliche KANs anstelle von MLPs verwendet.

SoccerNet 2024 fördert Innovationen im Videoverständnis für Fussball.

Ein neues Framework verbessert das Verständnis menschlicher Handlungen durch Skelettdaten.

CCT-R verbessert die medizinische Bildsegmentierung mithilfe von semi-supervisiertem Lernen und räumlicher Registrierung.

Neue Methode verbessert die Bildanalyse im Gesundheitswesen mithilfe realistischer kontrafaktischer Bilder.

FOLK verbessert das selbstüberwachte Lernen durch adaptive Frequenzmaskierung und ein Lehrer-Schüler-Design.

Dieses Modell verbessert das Verständnis von KI-Entscheidungen bei der Bildklassifizierung.

Eine neue Methode verbessert die Generierung von Texturdaten für Machine-Learning-Modelle.

Ein neues Modell verbessert die Analyse medizinischer Bilder durch 3D-anatomische Kartierung.

Diese Studie verbessert die Genauigkeit der medizinischen Bildklassifikation mit synthetischen Daten.

Eine neue Methode zur Verbesserung der Spracherkennung und gleichzeitigem Schutz der Datenprivatsphäre.

Die Anpassung von DINOv2 verbessert die BEV-Segmentierung für sicherere selbstfahrende Autos.

Ein neuer Datensatz kombiniert RGB- und Eventkamera-Daten für eine bessere Gesichtsanalys.

GAMMA verbessert die Suche nach Modeartikeln online durch präzise Attributmanipulation.

SteeredMarigold verbessert Tiefenkarten und hilft Robotern beim Navigieren und Interagieren.

Ein neues System verbessert die Effizienz von Drohnen bei Such- und Rettungsaktionen.

ExelMap verbessert die Genauigkeit von HD-Kartenaktualisierungen für ein sicheres autonomes Fahren.

Neue Techniken verbessern die Fähigkeiten von Robotern von Simulationen auf echte Aufgaben.

Eine neue Methode ermöglicht verbesserte 3D-Modellierung aus nur einem Bild, was den Realismus steigert.

Diese Studie untersucht den Einsatz von Transferlernen für eine effektive Qualitätskontrolle beim Laminieren von CFRP-Bändern.

MotionCom revolutioniert, wie Objekte dynamisch zu Bildern hinzugefügt werden.

Neue Techniken verbessern das dynamische urbane Modellieren für verschiedene Anwendungen.

SRIF verbessert die Formenabgleichstechniken für Animation, 3D-Druck und virtuelle Realität.

Eine neue Methode verbessert die Klarheit von 3D-Szenen mit 2D-Segmentierungs-Masken.

Wir stellen GRIN vor, ein neues Modell zur Tiefenschätzung mit spärlichen Daten.

AMD-MIL verbessert die Gewebeanalyse für schnellere und genauere Krankheitsdiagnosen.

Eine neue Methode verbessert die Auswahl von Proben im halbüberwachten Lernen.