Génie électrique et science des systèmes - Traitement de l'image et de la vidéo

SiSIFUS améliore la clarté des images en imagerie de durée de fluorescence pour les études biologiques.

Nouveau modèle améliore la classification des maladies en utilisant des images médicales étiquetées et non étiquetées limitées.

D-TrAttUnet améliore la précision de segmentation dans les tâches d'imagerie médicale.

Les données synthétiques offrent des solutions prometteuses aux problèmes d'imagerie médicale.

SegCLR améliore la segmentation des images oculaires en utilisant à la fois des données étiquetées et non étiquetées.

Un nouveau système hybride combine des méthodes optiques et électroniques pour une classification d'images efficace.

Un cadre complet pour analyser la performance XR dans les réseaux sans fil assistés par edge.

Cette recherche se concentre sur l'utilisation de l'IA pour la détection précoce des maladies de la rétine.

CoVScreen améliore le diagnostic du COVID-19 en utilisant des radiographies thoraciques et des techniques d'apprentissage profond.

Nouveau jeu de données et système de détection améliorent l'efficacité de la récolte des fruits pour les agriculteurs.

Une méthode d'IA améliore les prévisions de dose en radiothérapie en estimant l'incertitude.

Le défi BraTS repousse les limites de la segmentation automatisée des méningiomes avec l'apprentissage profond.

Cette étude examine le potentiel de l'IA pour classifier les sous-types de cancer de l'ovaire.

Les participants s'attaquent à la restauration d'images dégradées dans un cadre compétitif.

Une nouvelle approche pour le débruitage d'images en utilisant des techniques d'apprentissage auto-supervisé.

Une méthode pour convertir des images afin d'améliorer la précision des couleurs.

Explorer comment les robots peuvent mieux comprendre et expliquer les conversations avec les gens.

Cette recherche se concentre sur l'amélioration de la segmentation des tumeurs cérébrales avec une nouvelle approche de modèle.

De nouvelles techniques améliorent la reconstruction d'images à partir de données limitées.

Un défi mondial met en avant l'apprentissage fédéré pour la classification de la densité mammaire.

Un nouveau modèle aide à analyser les images médicales du COVID-19.

Une nouvelle méthode améliore la qualité des images de CT cardiaque depuis des angles limités.

Un aperçu de l'AIMC et du DIMC pour les tâches d'apprentissage machine.

Découvre les dernières tendances en traitement de données visuelles et en codage.

Une nouvelle méthode pour compresser des vidéos efficacement qui améliore la qualité et réduit la taille des fichiers.

Une nouvelle méthode pour améliorer les images basse résolution en utilisant des méthodes stochastiques.

Un défi axé sur des modèles génératifs profonds pour la génération d'images médicales réalistes.

Utiliser la télédétection pour améliorer l'estimation de la biomasse forestière en Chine.

Une étude sur la performance des modèles de diffusion par rapport aux GANs pour l'amélioration de la qualité des images.

Un nouveau cadre améliore la détection des pannes de train en utilisant des techniques avancées d'apprentissage profond.

UniCompress améliore le stockage et la transmission d'images médicales grâce à des techniques d'IA avancées.

VERT améliore l'imagerie par ultrasons dans les zones complexes, en améliorant la clarté et la précision.

Une méthode pour quantifier l'incertitude en imagerie médicale pour améliorer le diagnostic.

Une nouvelle approche améliore la précision du diagnostic du cancer de la vessie.

EyeMoS améliore la détection des maladies oculaires grâce à l'apprentissage multi-modal et à l'estimation de l'incertitude.

Une nouvelle méthode améliore la fusion des images hyperspectrales et multispectrales.

CV-VAE améliore l'efficacité et la qualité de la génération vidéo dans les modèles existants.

De nouvelles méthodes de traitement améliorent le QIS pour l'imagerie en temps réel.

Nouvelle technique CCSO qui améliore l'efficacité du codage vidéo et la qualité visuelle.

De nouvelles méthodes améliorent la découverte de biomarqueurs prédictifs à partir d'images médicales.