Neuste Artikel für Videoanalyse

Ein neuer 3D-Ansatz verbessert die Genauigkeit der Bewegungsverfolgung in Videos.

SportsHHI konzentriert sich auf menschliche Interaktionen in Basketball- und Volleyballvideos für bessere Analysen.

Eine neue Methode verbessert die Herzfrequenzmessung mithilfe von Videoanalyse und 3D-Gesichtsmodellierung.

Ein neues System verbessert die 3D-Bewegungserfassung aus 2D-Videoaufnahmen.

SPAM bietet eine smarte Möglichkeit, Videodaten effizient zu kennzeichnen.

Diese Studie verbessert die Segmentierung von bewegten Objekten, indem SAM mit optischen Fluss-Techniken kombiniert wird.

Pegasus-1 ermöglicht es den Nutzern, mit Videos in natürlicher Sprache zu interagieren.

MovieChat vereinfacht das Verständnis von langen Videos mit effektiven Techniken zur Speicherverwaltung.

Eine neue Methode verbessert, wie wir Aktionen in Videos anhand von Beispielen zählen.

Neue Methoden verbessern das Verständnis und die Analyse ungewöhnlicher Ereignisse in Videos.

Hier ist LVOS: ein Datensatz zum Verfolgen von Objekten in langen Videos.

Ein neuer Ansatz geht die Aktionssegmentierung in langen Videos mit optimalem Transport an.

Neue Methode verbessert die Genauigkeit der Herzfrequenzmessung in komprimierten Videos.

Diese Studie zeigt, wie persönliche Blickmuster die Interaktionen zwischen Menschen und Robotern beeinflussen.

Ein tiefer Einblick in Video Foundation Models und ihre Bedeutung in der Videoanalyse.

Entdecke, wie DMD die Bewegungserkennung in Video-Streams für Sicherheitsanwendungen verbessert.

CinePile stellt das Verständnis von langen Videos mit 305.000 verschiedenen Fragen auf die Probe.

BIMM lernt Videoinhalte, indem es die Gehirnwege von Menschen nachahmt.

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

Eine neue Methode verbessert die Bewegungsabschätzung mit adaptiven Finite-Elemente-Netzen.

Eine Studie über die Erkennung von Aktionen mit Few-Shot-Lernen und multimodalen Daten.

Neue Methoden verbessern das maschinelle Verständnis dynamischer Interaktionen in Videoinhalten.

Das MLVU-Benchmark hat das Ziel, das maschinelle Verständnis von langen Videos zu verbessern.

Eine neue Methode verbessert die Genauigkeit der Aktionsdetektion in überlappenden Videoszenen.

Ein neuer Ansatz zur Segmentierung von Videoobjekten verbessert die Genauigkeit, indem er den Speicherverbrauch einschränkt.

Ein neuer Massstab soll MLLMs in der Videoverstehensfähigkeit zu verschiedenen Themen bewerten.

Ein neues Modell verbessert das Verständnis von Videos, indem es Bild- und Video-Encoder kombiniert.

VANE-Bench verbessert die Erkennung von Anomalien in Videos, während die KI-Inhalte immer mehr zunehmen.

Ein neuer Datensatz, um das Verständnis von Erzählungen in Kurzfilmen zu verbessern.

Ein neuer Massstab zielt auf die Kompositionalität im Videoverstehen und in Sprachmodellen ab.

Vorstellung einer Methode für schnelle Video-Klassifizierungen basierend auf der Analyse von frühen Frames.

VideoVista bietet eine umfassende Bewertung für Video-Frage-Antwort-Modelle.

Eine neue Methode verbessert die Videoaktionserkennung mit kontextueller Sprache.

Ein neuer Ansatz verbessert die Vorhersage von Video-Frames mit Hilfe von Fachwissen.

Forschung zeigt, dass Videos die Sprachrecognition in lauten Umgebungen verbessern.

DeepMoveSORT verbessert die Effizienz der Objektverfolgung, besonders in komplexen Bewegungsszenarien.

Eine neue Methode verbessert das Management von Videodaten für ein besseres Verständnis und mehr Effizienz.

Ein neuer Ansatz verbessert die Genauigkeit bei der Beantwortung von videobasierten Fragen.

Eine neue Methode verbessert das Verfolgen von Objekten, indem sie den Speicher effizient verwaltet.

FeatureSORT verbessert die Tracking-Genauigkeit und Flexibilität in dynamischen Umgebungen.