Derniers articles pour Vision par ordinateur

Cet article examine les vulnérabilités dans les modèles de segmentation sémantique et propose des solutions.

Un aperçu des MLLMs et de leurs applications en IA.

Une nouvelle méthode pour identifier les données OOD dans les modèles d'apprentissage automatique.

Évaluer comment les changements environnementaux impactent la performance des modèles de reconnaissance d'images.

ProRes propose une solution flexible pour divers défis de restauration d'images.

Un aperçu de l'impact de l'apprentissage contrastif manifold sur les modèles de machine learning.

Une nouvelle méthode mélange les formes humaines pour prédire les mouvements avec précision.

De nouvelles méthodes améliorent la détection des défauts en utilisant des données limitées dans les produits industriels.

Explorer les avantages et les défis des méthodes de détection d'objets semi-supervisées.

Une nouvelle méthode pour générer des instructions de labellisation claires pour les jeux de données d'images.

Une nouvelle méthode améliore la détection d'objets connus et inconnus.

Une nouvelle méthode améliore la clarté des images en basse lumière sans avoir besoin de données jumelées.

FLOWER aborde l'apprentissage avec peu d'exemples et l'oubli catastrophique dans les modèles d'apprentissage automatique.

Cette étude améliore les petits modèles d'IA en utilisant les connaissances des plus gros modèles de langage.

Une nouvelle méthode utilise le mining d'images pour s'entraîner sans annotations.

Améliorer les modèles de détection de piétons pour garder des connaissances tout en apprenant de nouvelles données.

Une nouvelle approche améliore l'efficacité du matching de templates dans les tâches de vision par ordinateur.

De nouvelles techniques améliorent la génération de vues pour des scènes grandes et réelles.

Une nouvelle méthode améliore le contrôle sur la génération d'images tout en gardant l'efficacité.

Un aperçu de comment l'apprentissage sans échantillons classifie de nouvelles données sans exemples précédents.

Une analyse d'ImageNet par rapport à LAIONet et leurs effets sur la précision des modèles.

Présentation de xAI-CycleGAN pour des transformations de style d'image plus rapides et de haute qualité.

Une nouvelle méthode améliore la compréhension des scènes pour les véhicules autonomes en utilisant des requêtes d'instances.

Une nouvelle méthode améliore la modélisation 3D dans les scènes à faible texture sans détection de points clés.

Nouveau jeu de données et nouvelles métriques améliorent l'évaluation de la qualité de l'albédo dans les images.

Une nouvelle méthode de déformation en profondeur améliore la précision de la segmentation des organes abdominaux.

Une nouvelle méthode améliore la reconnaissance d'actions détaillées en utilisant des données de squelette.

Shikra permet des conversations naturelles sur des zones spécifiques dans les images.

Une nouvelle méthode améliore la rapidité et la précision dans la segmentation d'objets invisibles pour les robots.

Une nouvelle approche améliore l'apprentissage machine avec des paires positives sémantiques.

Une nouvelle méthode réduit le bruit des étiquettes en se concentrant sur des données positives et non étiquetées.

Cette étude évalue à quel point les modèles de récupération vidéo comprennent les sous-titres et le contenu vidéo.

Nouvelles méthodes pour une cartographie environnementale précise en temps réel dans la robotique et la réalité augmentée.

Examine l'impact du déséquilibre avant-arrière-plan sur la performance de détection d'objets.

Une nouvelle méthode améliore la façon dont l'IA comprend les images et le texte.

Une nouvelle méthode améliore la façon dont les modèles apprennent des transformations de données.

Une nouvelle approche pour améliorer les performances des modèles sur des ensembles de données déséquilibrés.

Une étude sur les méthodes artisanales et d'apprentissage profond pour la reconnaissance d'objets 3D.

Un nouveau cadre réduit les coûts de labellisation manuelle dans la segmentation d'images alimentaires.

Cet article examine les défis de la morphologie mathématique pour les images à valeurs vectorielles.