Derniers articles pour Vision par ordinateur

Créer des modèles 3D détaillés en utilisant des méthodes d'imagerie avancées pour diverses applications.

Un nouveau modèle réduit la confiance excessive dans les prédictions, garantissant des applications plus sûres.

Une nouvelle méthode améliore la visualisation des caractéristiques des réseaux de neurones pour une meilleure interprétabilité.

Une nouvelle approche intégrée améliore la segmentation des objets dans les vidéos.

Améliorer la performance des modèles en utilisant des stratégies semi-supervisées en machine learning.

Une méthode pour générer des questions à partir d'images et de légendes pour une meilleure interaction avec l'IA.

De nouvelles méthodes améliorent la précision et la cohérence des modèles de reconnaissance d'images.

Une nouvelle approche utilisant l'augmentation de données instance par instance pour une meilleure robustesse des modèles face aux attaques.

Une nouvelle méthode améliore les Vision Transformers pour une meilleure compréhension des images avec moins de ressources.

Une approche structurée pour un positionnement efficace des capteurs dans des tâches de vision robotique.

Une nouvelle méthode améliore le réalisme des images grâce au contrôle de la forme 3D dans les modèles de diffusion.

Le système AVIS améliore la réponse à des questions visuelles grâce à des workflows structurés et des graphiques de transition.

Explorer le potentiel des caméras événementielles pour améliorer la détection des piétons dans les véhicules autonomes.

Un critère pour évaluer la similitude d'images selon des conditions définies par l'utilisateur.

Une nouvelle méthode améliore l'estimation de la profondeur en utilisant des capteurs à double pixel dans divers appareils d'imagerie.

Une méthode pour créer des formes 3D réalistes en utilisant seulement des données 2D.

Une nouvelle méthode améliore les techniques de suppression de texte dans les images.

Les exemples adversariaux peuvent embrouiller les systèmes de détection d'objets, révélant des failles de sécurité.

Un nouveau modèle améliore la vitesse et la précision de détection d'action dans l'analyse vidéo en temps réel.

L'anisotropie affecte la performance des modèles Transformer sur différents types de données.

Une nouvelle méthode améliore la façon dont les modèles comprennent les relations entre les images et le texte.

OCAtari se concentre sur les objets de jeu pour améliorer l'apprentissage automatique.

Une nouvelle méthode utilise la recherche d'architecture neuronale pour améliorer la détection de falsifications de visages.

Un nouveau modèle améliore le lien entre les images et leurs descriptions textuelles.

Une nouvelle méthode crée des avatars 3D ultra réalistes à partir d'une seule photo.

De nouvelles méthodes améliorent la qualité et la vitesse des modèles de texte à image.

Cette étude explore comment l'IA peut apprendre des mots en les reliant à des images.

Une nouvelle méthode prédit des formes 3D à partir d'images RGB uniques en utilisant des données de profondeur.

TomoSAM simplifie la segmentation d'images 3D, améliorant l'efficacité et la précision pour les chercheurs.

La recherche améliore la reconnaissance des croquis pour un meilleur matching de formes 3D.

P2D améliore la détection d'objets 3D dans les voitures autonomes en utilisant la prédiction de mouvement.

De nouvelles méthodes améliorent la qualité des images en utilisant des données de champs lumineux du monde réel.

Ground-VIO améliore l'estimation de la pose du véhicule en utilisant les relations caméra-sol.

Un nouveau modèle améliore la façon dont les machines reconnaissent les images en mêlant des caractéristiques globales et locales.

Une nouvelle stratégie garantit une représentation égale des types de données en apprentissage automatique.

Une nouvelle approche pour renforcer la confiance dans la détection d'objets grâce à des techniques de calibration fiables.

Une nouvelle méthode montre comment les réflexions des yeux peuvent reconstituer des environnements en 3D.

MaskDiT améliore l'efficacité de l'entraînement des modèles de diffusion tout en gardant la qualité de l'image.

Une étude sur la performance des modèles visuels fondamentaux face à des distorsions réelles dans les tâches de segmentation.

DiffAug améliore les systèmes de reconnaissance d'images grâce à des techniques de bruit innovantes.