Derniers articles pour Vision par ordinateur

Cette étude évalue comment les grands modèles gèrent plusieurs objets dans les images.

Une nouvelle méthode améliore la compréhension du contenu vidéo par l'IA.

Une nouvelle méthode améliore le timing et l'efficacité de l'entraînement des CNN.

Un aperçu de comment les modèles d'apprentissage profond apprennent et priorisent les caractéristiques.

Explorer LaFAM : Une méthode sans étiquette pour mieux comprendre les décisions de l'IA.

TrCAM-V propose une nouvelle façon de localiser des objets dans des vidéos avec un minimum d'infos.

RHRSegNet améliore la segmentation sémantique pour les images de nuit, super important pour la conduite autonome.

Une nouvelle méthode améliore la segmentation des parties du corps dans des images complexes.

Une nouvelle méthode améliore la segmentation d'objets vidéo en s'appuyant sur les relations contextuelles.

Une nouvelle méthode améliore la segmentation d'objets dans les vidéos avec des données faiblement étiquetées.

De nouvelles méthodes améliorent la détection des objets inclinés dans les images aériennes.

L'Architecture Réseau Dynamique propose une nouvelle approche des systèmes visuels intelligents.

Une étude montre un meilleur appariement des véhicules grâce à des zones de capture d'images stratégiques.

Une nouvelle approche améliore la compression des ensembles de données et l'efficacité de l'entraînement des modèles.

Utiliser des vidéos non étiquetées pour améliorer la reconnaissance d'actions dans des vidéos longues.

Une méthode pour aider les robots à évaluer les formes et les positions des objets.

Une nouvelle méthode s'attaque à la surconfiance dans les systèmes qui reconnaissent plusieurs étiquettes.

Améliorer la détection avec des images RGB et de profondeur pour relever les défis du monde réel.

Un nouveau modèle combine les ConvNets et les Transformers pour améliorer la classification d'images.

Le cadre CEIA améliore la compréhension entre les données d'événements et les images.

Une nouvelle méthode améliore l'augmentation de données pour une meilleure qualité d'image.

Un aperçu des méthodes d'apprentissage profond pour la modélisation 3D à partir d'images.

Une nouvelle méthode améliore la précision dans l'alignement des images au fil du temps.

MambaVision combine Mamba et Transformers pour une meilleure reconnaissance d'image.

Une nouvelle méthode qui améliore la détection d'objets en utilisant des étiquettes bruitées venant de crowdsourcing.

Nouvelle approche aide les robots à apprendre des tâches en générant des images d'actions.

OV-DINO améliore la détection d'objets en reconnaissant des noms pas vus pendant l'entraînement.

Une nouvelle approche améliore l'identification des véhicules sous différents angles de caméra.

PaliGemma combine compréhension d'image et de texte pour des applications polyvalentes.

Améliorer les images synthétiques pour booster les performances des systèmes de reconnaissance faciale.

DisMAE améliore la généralisation des modèles entre les domaines en utilisant des données non étiquetées.

Le DINO suisse améliore la reconnaissance des objets personnels dans les robots domestiques et les appareils mobiles.

Une nouvelle méthode pour combiner plusieurs scans afin d'améliorer la précision de l'enregistrement des nuages de points.

Des méthodes innovantes améliorent la classification des champignons toxiques grâce au deep learning.

Une nouvelle méthode réduit la dépendance aux annotations humaines dans la segmentation d'images.

LAPT simplifie la détection OOD, rendant l'IA plus fiable dans des situations incertaines.

Le framework KGpose améliore la reconnaissance d'objets en estimant des poses 6D à partir d'images.

Un aperçu des techniques et applications dans le suivi multi-objets.

BiEquiFormer améliore l'enregistrement de nuages de points pour un alignement 3D précis.

Les modèles VQA peuvent révéler des infos privées malgré des techniques avancées.