Últimos artículos para Visión por computadora

Un nuevo método reduce la necesidad de datos etiquetados en tareas de visión por computadora.

El modelo GCF mejora la precisión en el reconocimiento de expresiones faciales usando técnicas innovadoras de aprendizaje profundo.

Un nuevo marco busca detectar y corregir errores en los resultados de LVLM.

Nuevos métodos mejoran la creación de múltiples objetos en imágenes con más precisión.

Un enfoque novedoso mejora la predicción de acciones futuras usando conocimientos visuales y semánticos.

Un nuevo método que usa topología mejora la detección de puntos clave en imágenes.

HRSAM mejora la eficiencia y precisión de la segmentación de imágenes para entradas de alta resolución.

HTCL mejora la comprensión de escenas 3D usando datos de cámara de cuadros anteriores.

Label Anything mejora la segmentación con menos ejemplos y diferentes indicaciones.

CountFormer mejora el conteo de multitudes mediante el procesamiento de múltiples vistas, aumentando la precisión y la flexibilidad.

Presentando un nuevo modelo que combina texto y diseño de manera eficiente para una mejor comprensión de documentos.

FlowTrack mejora el seguimiento al centrarse en los movimientos de puntos individuales y datos históricos.

Un nuevo método simplifica el modelado 3D en espacios usando sistemas de cámara-proyector no calibrados.

Un nuevo método mejora la detección y el seguimiento en vehículos autónomos usando cámaras de múltiple vista.

Nuevo método mejora la precisión de predicción visual a través de la representación de objetos.

CLAMP-ViT ofrece una nueva forma de comprimir transformadores de visión usando datos sintéticos.

Explora la evolución y los beneficios de YOLO en la detección de objetos.

Un nuevo método mejora la reconstrucción de escenas urbanas en 3D desde diferentes puntos de vista.

Un nuevo marco analiza y reduce el sesgo en modelos de visión-lenguaje a través de intervenciones específicas.

Un nuevo método mejora el aprendizaje auto-supervisado al agregar un componente de memoria.

Un nuevo diseño de capa convolucional reduce parámetros y mejora la interpretabilidad en modelos de IA.

Nuevo conjunto de datos mejora la generación de imágenes y texto en modelos de visión-lenguaje.

Un nuevo método mejora el modelado 3D a partir de videos de una sola cámara.

Presentando un nuevo método para una mejor generalización de dominio en el aprendizaje automático.

Un nuevo conjunto de datos ayuda a predecir rasgos individuales a partir de imágenes de cuerpo completo.

Un nuevo método ayuda a los robots a ver su entorno claramente sin necesidad de intervención humana.

Esta investigación examina cómo los problemas visuales afectan a los modelos de Preguntas y Respuestas Visuales.

Nuevos métodos de normalización mejoran la capacidad de Slot Attention para reconocer objetos en imágenes.

Un nuevo método mejora la estimación de profundidad usando imágenes de múltiples cámaras.

Un método de conjunto innovador mejora la precisión de los modelos de lenguaje y visuales.

Descubre cómo los modelos de difusión mejoran la augmentación de datos de imagen en el aprendizaje automático.

Un nuevo método basado en puntos mejora la comprensión de escenas para vehículos autónomos.

Nuevo método mejora la precisión de la segmentación de imágenes usando clasificación basada en parches.

CLIP-CITE mejora los modelos CLIP para tareas específicas sin perder flexibilidad.

TrackPGD pone a prueba los límites del seguimiento de objetos mediante ataques adversariales avanzados.

Un nuevo método para capturar imágenes inspirado en la visión humana.

PANet revoluciona el reconocimiento 3D de objetos al centrarse en las partes en lugar de las vistas.

VA-Count mejora la precisión y flexibilidad en contar objetos no visibles.

Descubre cómo la cuantización dinámica adaptativa mejora los modelos VQ-VAE para una mejor representación de datos.

Este estudio mejora el aprendizaje por transferencia al optimizar las tasas de aprendizaje para cada capa.