Últimos artículos para Reconocimiento de imágenes

JourneyBench prueba modelos de IA con imágenes inusuales y ficticias.

Descubre cómo LTN combina el aprendizaje automático con reglas lógicas para hacer mejores predicciones.

IRASNet mejora el reconocimiento automático en imágenes SAR a través de técnicas innovadoras.

Un desglose de cómo entrenar modelos de IA usando métodos inspirados en el aprendizaje infantil.

Una nueva estrategia combina el entrenamiento generativo y discriminativo en Modelos de Visión-Lenguaje.

Un nuevo enfoque para mejorar el reconocimiento de imágenes satelitales mientras se manejan los costos.

Nuevo método mejora la coincidencia de imágenes de varios espectros de cámara.

Este artículo habla de mejorar las predicciones de computadora en videos al enderezar las secuencias de imágenes.

SuperClass simplifica el reconocimiento de imágenes y texto para que sea más fácil acceder a la investigación.

Aprende a mejorar los modelos de imagen-texto y a reducir errores comunes.

La nueva herramienta H-POPE mejora la precisión de los modelos de visión y lenguaje.

Una mirada a cómo las CNN interpretan imágenes y sus características.

Una visión general de la factorización de matrices y su importancia en el análisis de datos.

La investigación propone métodos para encontrar elementos comunes en datos multimodales no alineados.

Mejorando la identificación de vehículos a través de técnicas avanzadas y modelos dinámicos.

Un nuevo marco mejora la identificación generando imágenes de ropa variadas.

CP-Mix mejora el reconocimiento de imágenes para clases raras usando métodos de emparejamiento de confusión.

Un nuevo método de enseñanza mejora el reconocimiento de imágenes para las computadoras.

PG-ECAP crea parches que parecen naturales para confundir de manera efectiva los sistemas de reconocimiento por computadora.

Una nueva herramienta que garantiza interacciones seguras entre humanos y IA.

Un nuevo método usa formas para mejorar cómo las computadoras reconocen imágenes.

Las máquinas aprenden a localizar objetos en imágenes usando técnicas innovadoras.

Una mirada a descripciones de imágenes detalladas a través de la subtitulación composicional de imágenes.

Un método para proteger los modelos de IA de datos dañinos.

XTRA mejora cómo las computadoras reconocen imágenes usando menos datos y recursos.

Un método que permite a los modelos aprender nuevos conceptos solo usando descripciones en texto.

Aprende a entrenar computadoras para reconocer imágenes sin sesgos.

Mejorando la precisión de los robots en reconocer nuevas imágenes con técnicas de palabras ingeniosas.

Explorando nuevos métodos para la reconstrucción de datos en redes neuronales avanzadas.

Descubre cómo proteger las máquinas de ataques de backdoor en el aprendizaje autogestionado.

TreeFormer estima esqueletos de plantas a partir de imágenes, ayudando en la agricultura y estudios de plantas.

Descubre cómo el entrenamiento en el tiempo de prueba ayuda a los modelos a adaptarse a los datos de imagen cambiantes.

Un nuevo método mejora la clasificación de fichas en Rummikub a través del razonamiento.

Un nuevo método combina CLIP y DINO para clasificar imágenes sin etiquetas.

GEOBench-VLM evalúa modelos para interpretar datos e imágenes geoespaciales.

Explorando la importancia de las clases individuales en los modelos de clasificación de imágenes.

VisionFuse mejora la comprensión de imágenes por parte de la IA mediante la colaboración de modelos.

MAGMA mejora los Autoencoders enmascarados para un mejor aprendizaje y rendimiento.

Una forma más inteligente de detectar objetos peligrosos en los controles de seguridad.

FLAIR conecta imágenes y texto como nunca antes, mejorando el reconocimiento de detalles.