Informatica - Visione artificiale e riconoscimento di modelli

Un framework che unisce diversi tipi di conoscenza per migliorare le prestazioni del modello.

Un nuovo metodo migliora il rilevamento del bersaglio dello sguardo con meno dati etichettati.

Un nuovo approccio migliora le prestazioni dei modelli di deep learning nonostante il rumore.

Un nuovo framework migliora l'etichettatura dei pixel affrontando l'incertezza nella segmentazione semantica.

Questo studio valuta l'efficacia dei modelli pre-addestrati nelle applicazioni di Osservazione della Terra.

Il framework Temporal2Seq semplifica molteplici compiti di comprensione video in un unico modello.

TAKFL ottimizza la condivisione della conoscenza nell'apprendimento federato per le diverse capacità dei dispositivi.

Un metodo che allinea forme 3D con immagini 2D senza punti corrispondenti.

Esplora i concetti essenziali della fisica molecolare e le loro applicazioni pratiche.

Questo nuovo metodo semplifica la generazione di immagini nei modelli di intelligenza artificiale, migliorando l'efficienza e la velocità.

Un nuovo framework migliora la qualità dei dataset video-lingua attraverso un raffinamento iterativo.

Combinando immagini di street view con dati per analizzare gli esterni degli edifici.

Un modello per valutare la qualità della segmentazione senza riferimenti di verità di terreno.

MedCLIP-SAMv2 migliora il rilevamento dei tumori usando tecniche di segmentazione avanzate e pochi dati etichettati.

Uno sguardo a come le CNN apprendono le caratteristiche delle immagini e le loro somiglianze universali.

I ricercatori usano CRISP per migliorare il monitoraggio della biodiversità tramite un'analisi delle immagini migliore.

Un nuovo indice aiuta a valutare la diversità nelle immagini mediche generate dall'AI.

Nuovi metodi accelerano la codifica e la decodifica video.

Un nuovo framework migliora il legame tra immagini e testo.

Scopri come i modelli di machine learning possono migliorare quando si confrontano con dati nuovi e mai visti prima.

Uno sguardo al ruolo e ai metodi dei modelli di diffusione nella creazione di immagini.

Esplorare metodi per migliorare i modelli multimodali nel rispondere a domande visive.

Un nuovo modello genera rapporti da scansioni CT 3D in modo efficiente e preciso.

Un nuovo sistema per creare modelli 3D da immagini 2D in modo efficiente.

TrojVLM espone vulnerabilità nei modelli di linguaggio visivo a attacchi backdoor.

Questo studio svela metodi efficaci per riconoscere i gesti delle mani attraverso l'imaging ad ultrasuoni.

Un nuovo framework migliora la generazione di dati da più fonti usando modelli basati sull'energia.

SATA migliora la robustezza e l'efficienza dei Vision Transformers per i compiti di classificazione delle immagini.

Un nuovo metodo migliora il riconoscimento degli oggetti usando maschere senza etichette dettagliate.

Un nuovo metodo semplifica la rimozione di contenuti indesiderati nei dataset visivi.

Esplorando il ruolo del Federated Learning nel migliorare l'imaging medico proteggendo la privacy dei pazienti.

Un nuovo metodo aiuta i robot a imparare compiti usando video umani online, riducendo le necessità di addestramento.

I PPLN migliorano l'elaborazione dei dati delle telecamere a evento per capacità di visione artificiale superiori.

Un nuovo metodo migliora la rilevazione delle firme genuine rispetto alle contraffazioni.

Analizzando gli effetti dei metodi di potatura sulle performance e sull'interpretabilità di GoogLeNet.

Metodi innovativi per migliorare le mappe di profondità fondamentali per la realtà aumentata e virtuale.

FAST migliora la classificazione delle malattie usando immagini a scorrimento completo con il minimo input di esperti.

Un metodo per migliorare le prestazioni del modello nonostante etichette di dati sbagliate.

MedViLaM integra diversi tipi di dati medici per un'analisi e decisioni migliori.

Un nuovo metodo per accelerare l'output del modello di diffusione senza perdere qualità.