Computerwissenschaften - Computer Vision und Mustererkennung

Ein neues Modell, das die Leistung bei visuellen Aufgaben verbessert, indem es CNNs und Transformer kombiniert.

Neue Methoden verbessern die Vorhersagezuverlässigkeit in schwierigen Szenarien für Machine-Learning-Modelle.

Forschung liefert Erkenntnisse zum Nachweis von Teilentladungen in Hochspannungssystemen.

Eine neue Methode verbessert die Bildbearbeitung, während die Qualität erhalten bleibt.

Neue Methoden verbessern die Entfernung von Wasserzeichen und erhalten dabei die Bildqualität.

Das MonoLiG-Framework verbessert die 3D-Erkennung mit monokularen Kameras und LiDAR-Daten.

NORIS verbessert die Bildauswahl für das Training von Objekt-Erkennungsmodellen effizient.

CLIPInverter ermöglicht einfaches Bildbearbeiten durch natürliche Sprachbeschreibungen.

Robust-Depth verbessert die Tiefenschätzung bei unterschiedlichen Wetterbedingungen.

M-FLAG verbessert die Analyse medizinischer Bilder mit gefrorenen Sprachmodellen und optimiertem Training.

Eine neue Methode verbessert die Bildgenerierung mit weniger zuverlässigen beschrifteten und unbeschrifteten Daten.

Das HST-Framework zeigt deutliche Verbesserungen beim Verfolgen von Objekten über Videoframes hinweg.

Innovative Streuspektrum-Modelle verbessern das Unsicherheitsmanagement in komplexer Datenanalyse.

LOAF bietet einen neuen Datensatz zum Erkennen von Personen mit Überkopf-Fisheye-Kameras.

SDS-CLIP verbessert die Bild-Text-Reasoning-Fähigkeiten von CLIP.

RepViT kombiniert CNNs und ViTs für effiziente mobile Vision-Anwendungen.

Das ConViT-Modell verbessert die Erkennung menschlicher Aktionen in Standbildern mithilfe von Deep Learning.

RCC-SGM verbessert die Bildklarheit in der fotoakustischen Tomographie, ohne dass gepaarte Datensätze benötigt werden.

Neue Methoden verbessern die Objekterkennung bei Nebel und Regen für selbstfahrende Autos.

Neue Filtertechnik verbessert die Klarheit von Erklärungen zu AI-Entscheidungen.

Forschung zeigt, dass ein neuer Datensatz die Leistung von VQA-Modellen im Laufe der Zeit verbessert.

Eine neue Methode verbessert die Umwandlung von Fotos in detaillierte Skizzen.

Entdecke, wie Deep Learning die Bildkreation mit 3D-Synthese verändert.

DualAttNet verbessert die Genauigkeit bei der Erkennung von Lungenerkrankungen durch innovative Aufmerksamkeitsmethoden.

Neue Methode verbessert verkehrsorientierte Videofrage-Antwort-Systeme für bessere Leistung.

Eine neue Methode verbessert die Genauigkeit bei der Identifizierung von Holzarten anhand mikroskopischer Bilder.

Deep Learning verbessert die Farbduplexsonographie für eine bessere Herzflussanalyse.

Ein neues Modell verbessert die Erkennung von chirurgischen Interaktionen durch innovative Techniken.

Adversarial Bayesian Augmentation verbessert die Modellgeneralisation bei begrenzten Daten.

Luftdaten helfen Hausbesitzern, Einsparungen durch Solarenergie und deren Potenzial zu bewerten.

Eine neue Methode verbessert Gesichtsanimationen, indem sie vorhandene Stile anpasst.

OnlineRefer verbessert die Video-Objektsegmentierung, indem es Frames durch Abfragepropagation verbindet.

Diese Studie bewertet die Effektivität von VQA-Modellen für Fahr-Szenarien.

Eine Methode für 3D visuelle Verankerung mit minimalen Annotationen.

Diese Forschung verbessert die Fähigkeit von kollaborativen Robotern, menschliche Aktionen zu erkennen.

DiffInfinite erzeugt detaillierte Gewebeabbildungen, was die Analyse und Schulung verbessert.

Ein neuer Ansatz verbessert die Identifizierung von Personen in Bildern mit fortschrittlicher Merkmalsextraktion.

Diese Studie untersucht Methoden, um Bilder effektiv abzurufen, um Argumente zu unterstützen.

Ein neues System schützt Gesichtsbilder vor unbefugter Erkennung.

Ein Datensatz, der sich auf kleine Vögel konzentriert, hat das Ziel, die Erkennungsmethoden zu verbessern.