Derniers articles pour Apprentissage auto-supervisé

Une méthode auto-supervisée pour la prédiction de mouvement en utilisant uniquement des nuages de points non étiquetés.

Techniques pour améliorer les performances du modèle face à des conditions d'image variées.

Une nouvelle méthode améliore la qualité des données LiDAR pendant des conditions météorologiques difficiles.

De nouvelles méthodes améliorent notre façon de repérer des motifs inhabituels dans les données.

Découvre comment l'apprentissage auto-supervisé améliore l'apprentissage machine avec des données non étiquetées.

Des chercheurs améliorent la détection des maladies dans les images OCT grâce aux étiquettes cliniques et à l'apprentissage par contraste.

PESCO propose une classification de texte efficace en utilisant des méthodes d'apprentissage auto-supervisé.

Une nouvelle approche améliore le traitement des signaux ECG en utilisant des techniques d'apprentissage auto-supervisé.

Cette méthode permet aux agents de mieux s'adapter à des tâches variées sans récompenses étiquetées.

Combiner des méthodes basées sur des références et sans références pour améliorer l'évaluation des résumés.

Une nouvelle méthode améliore les tâches de reconnaissance vocale en utilisant moins de données étiquetées.

Une nouvelle approche réduit le temps de traitement des documents et les ressources pour les modèles linguistiques.

DeepVAT améliore l'évaluation de clustering dans des jeux de données d'images complexes en utilisant l'apprentissage auto-supervisé.

Un nouveau standard pour évaluer les modèles de machine learning dans la compréhension de la parole à travers les langues.

Cette étude examine comment le jeu des bébés aide à l'apprentissage visuel et informe l'apprentissage automatique.

Une nouvelle approche améliore les modèles d'apprentissage automatique pour une meilleure compréhension des images.

Une nouvelle méthode pour que les véhicules évaluent la sécurité hors route sans intervention manuelle.

Une nouvelle approche améliore l'apprentissage auto-supervisé en se concentrant sur les augmentations de données.

Une nouvelle méthode améliore l'imagerie endoscopique grâce à des techniques d'apprentissage auto-supervisé.

Explorer l'impact des Vision Transformers sur la précision de l'estimation de la pose d'objet.

Point-GCC améliore la compréhension des scènes 3D grâce à l'intégration de la géométrie et de la couleur.

De nouvelles méthodes améliorent la compréhension de la parole par les machines en utilisant des indices audio et visuels.

Une nouvelle méthode pour améliorer les systèmes de recommandation en utilisant les données d'interaction entre les utilisateurs et le contenu.

Analyser comment l'apprentissage auto-supervisé gère les données d'entrée incomplètes.

InsectNet aide les fermiers à identifier les nuisibles avec précision pour mieux gérer leurs cultures.

Ce travail met en avant l'apprentissage robotique efficace en utilisant des techniques de renforcement auto-supervisées.

Une nouvelle méthode améliore les modèles audio généraux pour une reconnaissance vocale efficace.

La recherche utilise des modèles de parole humaine pour analyser efficacement les vocalises des Marmosets.

Découvrez comment la sparsité essentielle optimise les gros modèles sans perte de performance.

De nouvelles techniques réduisent les coûts de labellisation et améliorent la classification des formes de galaxies.

Un aperçu de comment les autoencodeurs masqués améliorent la compréhension des images grâce à l'apprentissage auto-supervisé.

Une nouvelle méthode améliore la reconnaissance d'objets dans des espaces 3D en utilisant des modèles 2D existants.

Une nouvelle technique améliore les systèmes ASR pour mieux reconnaître les accents non natifs.

Combiner du texte et des images pour améliorer l'efficacité de l'apprentissage machine.

Une nouvelle méthode améliore les Vision Transformers auto-supervisés avec des invites spécifiques à la tâche.

Une nouvelle méthode améliore la vérification des locuteurs en combinant la distillation de connaissances et le fine-tuning.

De nouvelles méthodes améliorent la flexibilité et les performances des modèles dans les tâches audio.

Un nouveau cadre améliore la représentation des graphes en utilisant l'apprentissage auto-supervisé.

Combiner l'apprentissage auto-supervisé et l'apprentissage actif améliore la classification multi-étiquette en télédétection.

NPVForensics vise des signes subtils de vidéos manipulées pour une meilleure détection.