Derniers articles pour Vision par ordinateur

Cette méthode améliore l'interprétabilité en segmentation sémantique en utilisant des prototypes et une représentation multi-échelle.

MAC-VO améliore l'estimation de la position de la caméra dans des environnements difficiles.

Une étude compare des CNN pré-entraînés et des modèles de base pour la récupération d'images médicales.

FKAN améliore la représentation d'images et de formes 3D en utilisant des fonctions d'activation apprenables.

Une nouvelle méthode améliore la compréhension des actions humaines par l'IA grâce à des données spécialisées.

Cette méthode estime les orientations sans données étiquetées en utilisant l'apprentissage profond.

Ce papier évalue la capacité des VLM à raisonner sur les tailles et les distances.

Aperçu des techniques pour détecter et classer les actions humaines.

SparX améliore le traitement d'images en imitant le système visuel humain.

Des recherches montrent le potentiel des LLM pour reconnaître des objets dans des visuels basés sur des événements.

L'intégration des infos de mouvement améliore la précision de détection d'objets dans les images.

ScaleFlow++ améliore l'estimation de mouvement 3D avec des caméras monoculaires pour différentes applis.

NSSR-DIL transforme les images de mauvaise qualité efficacement sans avoir besoin de gros ensembles de données.

Une approche d'apprentissage machine qui utilise le mouvement pour un apprentissage visuel efficace des données.

Ce cadre permet d'apprendre rapidement de nouvelles catégories d'objets avec peu de données.

Un nouveau système améliore la vitesse et la précision du marquage vidéo.

KAT améliore l'apprentissage profond en utilisant des KANs avancés pour remplacer les MLPs.

Un nouveau cadre améliore la compréhension des actions humaines grâce aux données de squelette.

Une nouvelle méthode améliore la capacité des robots à saisir des objets en utilisant des commandes en langage naturel.

FOLK améliore l'apprentissage auto-supervisé grâce à un masquage de fréquence adaptatif et un design professeur-étudiant.

Adapter DINOv2 améliore la segmentation BEV pour des voitures autonomes plus sûres.

Un nouveau dataset regroupe des données RGB et de caméras événementielles pour améliorer l'analyse faciale.

SteeredMarigold améliore les cartes de profondeur, aidant les robots à naviguer et interagir.

Voici GRIN, un nouveau modèle pour l'estimation de profondeur avec des données éparses.

NVLM améliore la compréhension du langage et des visuels par l'IA pour des tâches variées.

Ce boulot booste la précision de CLIP en s'attaquant au chevauchement intra-modal avec des adaptateurs légers.

Un nouveau cadre améliore la segmentation avec peu d'exemples.

SLAck propose une nouvelle façon de suivre des objets variés dans les vidéos.

Un référentiel pour la segmentation à faible échantillonnage généralisée en télédétection est introduit.

Une nouvelle méthode améliore l'estimation de pose en utilisant des images RGB avec des données de profondeur.

La méthode TRIM réduit les tokens d'image dans les modèles de langage multimodaux tout en maintenant la performance.

Un nouveau cadre estime avec précision la profondeur à partir d'images uniques floues.

Une nouvelle méthode améliore l'efficacité de la capture de données 3D pour diverses applications.

WaveMixSR-V2 transforme les images basse résolution en sorties de haute qualité de manière efficace.

Ce papier compare les Vision Transformers et les CNN pour classifier des images de sonar latéral.

Une nouvelle méthode améliore la façon dont les robots prédisent les futures scènes et les interactions entre objets.

Une nouvelle approche à double voie améliore la reconnaissance des objets pour les robots dans des environnements difficiles.

Un aperçu des méthodes pour détecter des données inattendues dans les modèles d'IA.

Une nouvelle méthode améliore l'estimation de la position de la caméra dans des conditions d'éclairage et de surface difficiles.

Une nouvelle méthode améliore l'apprentissage de nouvelles classes avec peu de données.