Derniers articles pour Vision par ordinateur

gsplat simplifie le Gaussian Splatting pour créer des images 3D de manière efficace.

Une nouvelle méthode permet aux machines de modéliser avec précision des formes en mouvement et qui changent.

Cet article parle des méthodes pour comparer des images en utilisant des modèles d'élasticité non linéaire.

Utiliser des modèles CAO peut améliorer l'estimation de la pose des robots en gérant les incertitudes.

Une méthode pour améliorer la compréhension des robots des composants de bâtiment en utilisant des données RGB-D.

De nouvelles métriques aident à évaluer les méthodes SSL en utilisant des données non étiquetées de manière efficace.

Seg-HGNN améliore la segmentation d'image en utilisant des réseaux de neurones graphiques hyperboliques.

Une nouvelle méthode améliore la détection d'objets dans les applis en temps réel.

Cet article dévoile des méthodes pour interpréter des modèles comme CLIP en IA.

Un cadre pour améliorer la performance de l'IA dans les tâches visuelles en imitant les jugements humains.

Un nouveau module améliore la segmentation des objets inconnus sans avoir à réentraîner les modèles de base.

Le dataset Texture-AD comble les lacunes de données dans la détection d'anomalies industrielles.

Cette étude propose le seam carving pour améliorer la classification d’images dans les CNN.

Ce cadre améliore la performance de segmentation avec moins d'exemples et une utilisation efficace du modèle.

Une nouvelle méthode améliore l'estimation de la profondeur dans les images endoscopiques pour de meilleurs résultats chirurgicaux.

ViTTM améliore le traitement d'image grâce à des mécanismes innovants basés sur des tokens.

Une méthode pour améliorer l'adaptabilité des modèles tout en préservant leurs compétences originales.

Une nouvelle méthode pour adapter des modèles d'IA avec peu de données étiquetées.

ENACT améliore l'efficacité des modèles de transformateurs dans la détection d'objets tout en gardant la précision.

RACC optimise la recherche de connaissances pour des réponses visuelles aux questions plus efficaces.

De nouvelles méthodes améliorent la prédiction de saillance grâce à des modifications d'image contrôlées.

Explore les avantages de combiner l'apprentissage semi-supervisé et l'apprentissage par contraste en apprentissage automatique.

Une nouvelle méthode améliore la qualité et le réalisme des échanges de visages.

Une nouvelle méthode permet aux robots de créer des modèles 3D à partir d'une seule image.

Un méthode automatise la génération de paires image-texte pour les ensembles de données de télédétection.

AWF améliore la segmentation sémantique en empêchant l'oubli catastrophique dans les modèles d'apprentissage machine.

De nouveaux adaptateurs améliorent les capacités de segmentation d'image des modèles vision-langage.

Un nouveau cadre cherche à améliorer la génération d'images en utilisant des retours humains.

Un nouveau cadre améliore l'apprentissage des modèles en 3D avec la sélection d'exemples.

Les machines peuvent maintenant apprendre avec moins d'exemples grâce à des techniques innovantes.

Une nouvelle méthode aide les robots à apprendre des compétences de manipulation à partir de vidéos humaines.

Une nouvelle méthode améliore la précision de génération d'images avec plusieurs objets.

Une nouvelle approche affine la connexion entre les images et le texte dans les VLMs.

MagicStyle mélange le contenu de portrait avec des styles artistiques de manière efficace.

La recherche présente une méthode pour améliorer la reconnaissance d'images en utilisant moins d'exemples.

Explore comment combiner des factorisations de tenseurs et des représentations de circuits améliore la modélisation des données.

De nouvelles méthodes aident à comprendre comment les modèles réagissent aux changements de données.

YOLOv9 améliore la détection d'objets avec une précision et une efficacité accrues.

Une nouvelle approche utilisant des images en grille améliore les performances de VideoQA sur des tâches complexes.

Une nouvelle méthode améliore la réponse aux questions vidéo en se concentrant sur les événements multi-objets.