Derniers articles pour Vision par ordinateur

SportsMOT propose des données super utiles pour suivre les athlètes en basket, volley et foot.

Cet article présente une méthode plus rapide pour optimiser les positions des caméras dans la modélisation 3D.

Une nouvelle méthode améliore la détection d'objets avec une formation sur des données limitées.

CrowdSim2 propose un dataset synthétique pour améliorer les modèles de détection d'objets.

Une nouvelle approche dans les mannequins de mode se concentre sur des attributs précis.

MUREN améliore la détection d'interaction humain-objet grâce à un meilleur partage de contexte.

Explorer le potentiel de l'apprentissage Few-Shot en segmentation sémantique.

Une nouvelle méthode pour localiser avec précision les réflexions cornéennes dans les images des yeux.

Un nouvel algorithme améliore l'efficacité et la précision dans l'annotation des nuages de points 3D.

Présentation d'une méthode simple pour une détection efficace des points clés en vision par ordinateur.

Une nouvelle méthode améliore l'inpainting du visage, préservant l'identité et la qualité.

CLIP économe en ressources réduit les besoins en calcul tout en gardant de bonnes performances dans les tâches image-texte.

Découvre comment l'augmentation de données améliore la performance des machines apprenantes avec des données déséquilibrées.

NoisyTwins améliore les StyleGANs pour générer de meilleures images à partir de jeux de données limités.

Utiliser des données synthétiques améliore la détection des mains dans un cadre industriel.

Un nouveau modèle transforme les sons en images claires, reliant les infos audio et visuelles.

Dynamic Mobile-Former améliore l'efficacité et les performances de la vision par ordinateur grâce à la convolution dynamique.

Une approche innovante pour aligner des vidéos sans exemples ou entraînement préalables.

Une nouvelle approche aligne des nuages de points 3D sans données étiquetées.

KD-DLGAN améliore la qualité de génération d'images en utilisant la distillation de connaissances.

Explorer de nouvelles méthodes pour améliorer l'apprentissage avec peu de données.

Le benchmark RoboBEV évalue les systèmes BEV face à des défis du monde réel.

SpectFormer combine des couches spectrales et d'attention pour améliorer l'analyse d'image.

Ce cadre utilise l'adaptation en temps de test pour mieux prédire les mouvements humains.

Une nouvelle méthode identifie des actions dans des vidéos sans avoir besoin de données pré-étiquetées.

Le prompting hiérarchique améliore la précision et l'efficacité de la classification d'images grâce à un étiquetage structuré.

De nouvelles techniques améliorent la prédiction de profondeur à partir d'images uniques.

La recherche vise à améliorer la représentation des données en utilisant des méthodes non linéaires et des structures temporelles.

EWT combine des transformations en ondelettes et des Transformers pour une meilleure clarté d'image et efficacité.

Une nouvelle façon de classer efficacement les images sans étiquettes.

Une nouvelle méthode améliore la précision du VPR en générant des images de référence supplémentaires.

Une nouvelle méthode améliore la reconnaissance des actions en utilisant des données partiellement étiquetées.

Apprends comment Smooth IoU Loss améliore la précision de détection d'objets.

PARFormer améliore la reconnaissance des piétons grâce aux réseaux de transformateurs pour une meilleure précision.

Cette méthode améliore l'estimation du flux optique sans se baser sur des données étiquetées.

Un système qui associe des images aux significations des mots en utilisant le contexte.

Un récent concours a mis en avant les progrès dans la mesure de la profondeur avec des images uniques.

Combiner le LIDAR avec des images en niveaux de gris améliore la précision et économise de l'énergie.

Une nouvelle méthode combine la lumière visible et l'imagerie thermique pour améliorer la précision de classification.

Une nouvelle méthode améliore la précision de détection d'objets en s'attaquant aux problèmes de confiance dans les prédictions.